개인화 추천 시스템 1편 - 유저의 행동은 “언어”일까? : Collaborative Embedding 구축기 (feat. Knowledge Distillation)
팀 내에서 범용 개인화 추천 시스템을 구축하며 온라인 A/B 테스트와 CRM 캠페인 테스트에서 비교적 좋은 성과를 확인해, 그 개선 사례와 모델링 과정을 소개하고자 합니다.
기업 기술블로그의 Recommendation 관련 글 54개
팀 내에서 범용 개인화 추천 시스템을 구축하며 온라인 A/B 테스트와 CRM 캠페인 테스트에서 비교적 좋은 성과를 확인해, 그 개선 사례와 모델링 과정을 소개하고자 합니다.
들어가며 아자르는 1:1 비디오 채팅을 통해 매일 전세계의 사용자들을 연결하고 있습니다. 비디오 채팅에서 즐거운 경험을 하려면 자신과 잘 맞는 사람을 만나야 하기에 추천 알고리즘의 역할이 매우 중요합니다. 지난 테크블로그에서는 하이퍼커넥트가 AI 기반 추천 시스템을 개발하여 어떻게 매치 경험을 향상시키고, 아자르의 성장을 견인하고 있는지에 대해 다루었습니다. AI Lab에서는 추천 알고리즘의 성능을 향상시키기 위해 끊임없이 더 향상된 알고리즘을
안녕하세요. LINE VOOM 서비스의 추천 시스템을 개발하는 ML 엔지니어 이창현, 백진우입니다. 저희는 LINE VOOM의 실시간 추천 시스템을 위한 대규모 벡터 데이터베이스 ...
안녕하세요. Matching Dev Team의 Milo입니다. Azar는 전 세계 유저들을 24/7 연결하고 있으며, 즐거운 연결 경험을 제공하기 위해 세션 기반 추천 시스템1을 운영하고 있습니다. 이 추천 시스템은 유저의 행동이나 선호도 같은 정보를 바탕으로 맞춤형 추천을 제공하는 방식입니다. 추천 품질을 높이려면 유저의 최신 정보를 실시간 반영하는 것이 중요합니다. 유저의 최신 정보는 서로 다른 시점에 실시간으로 생성된 여러 이벤트로 존재했
하이퍼커넥트 AI 조직은 사용자 경험을 향상시키고, 비즈니스 성과를 높이는 AI 기술을 꾸준히 개발해왔습니다. 이러한 노력의 성과는 2023년 2분기 매치 그룹 주주 서한과 어닝콜에서 발표되었습니다. 하이퍼커넥트의 대표 서비스인 아자르는 2022년 2분기 대비 24%(원화 기준 30%)의 매출 성장을 기록했습니다. 아래의 주주 서한에서 강조되었듯, 이 성과는 AI 기반 추천 시스템이 견인하였습니다. 이번 포스트에서는 아자르의 AI 추천 모델이
보완재 추천 모델을 서빙하기 위한 아키텍처 소개
보완재 추천 모델을 서빙하기 위한 아키텍처 소개
보완재 추천 모델을 적용하고 성과를 거둔 사례 소개
보완재 추천 모델을 적용하고 성과를 거둔 사례 소개
1. 서론 안녕하세요. AI팀 안준형입니다. 이번 포스팅에서는 추천시스템에서 인과추론을 어떻게 적용하는지 알아보겠습니다. 현재 대부분의 머신러닝 기반의 추천시스템은 입, 출력 간의 상관관계 (correlation)을 모델링합니다. 하지만, 현실 세계는 상관관계가 아닌 인과관계로 구성되어 있으며 상관관계가 인과관계를 반드시 암시하지 않습니다. 예시) 어떤 유저는 휴대폰을 구매한 다음 배터리 충전기를 구매하는 경우, 전자는 후자의 원인이 되지만 그
안녕하세요, 데이블 AI팀의 machine learning engineer 김명섭입니다. 이번 포스팅에서는 기초적인 개인화 추천 시스템 설계에 대해 알아보고자 합니다. 본 포스팅에서는 프로그래머틱 애드 (programatic ad), real-time bidding 및 DSP 등에 관한 내용들은 다루지 않습니다. 만약 해당 내용들이 궁금하시다면, 아래의 포스팅을 참고해 주세요! 데이나의 참 쉬운 애드테크 (Link) 추가적으로 본 포스팅은 전반
OpenAI의 ChatGPT가 금융시장 분석에 미치는 영향을 연구한 최신 논문을 소개합니다. 이 논문은 ChatGPT를 활용한 뉴스 감성 분석이 주식 시장 예측에 얼마나 효과적인지 실증적으로 검토합니다. 카카오뱅크 기술기획팀의 William이 작성한 이 글에서는 ChatGPT의 뉴스 분석이 주가 수익률 예측에 유의미한 영향을 미치는지, 그리고 전통적인 감성 분석 기법과 비교했을 때 어떤 성과를 나타내는지에 대해 상세히 다룹니다. 금융과 AI의
만 30개의 이커머스을 광고주로 삼고 있는 버즈빌. 이들을 위한 리타겟팅 광고 솔루션을 고도화하기 위해 도입된 상품 추천 알고리즘: Item-CF. 이 알고리즘 최적화와 적용 과정에 대해서 알아보겠습니다. 버즈빌의 리타겟팅 광고 솔루션 버즈빌에서는 매출의 20% 이상을 리타겟팅 광고 상품으로 발생시키고 있습니다. 전통적으로는 리타겟팅 광고는 유저가 이커머스…
(User behavior based Real-time Deep Neural Recommendation System on E-commerce : ForYou) 안녕하세요. 데이터랩의 김한태 입니다. 딥러닝 기술을 이용한 실시간 개인화 추천 서비스인 “ForYou”.”이런 상품 찾아다니셨조?” 구좌의 개발 내용에 대해 소개하고자 합니다. ForYou 딥러닝 추천 시스템의 동작 방식은 1. 다수의 고객 행동 로그를 수집하고, 2. 고객 행동의 시퀀
들어가며예상하셨겠지만 티몬에서는 고객에게 검색 서비스를 제공하기 위해 검색엔진으로 엘라스틱 서치(Elasticsearch, 이하 ES)를 사용하고 있습니다. ES는 Solr와 같이 Lucene 을 기반으로 개발되었기 때문에 별다른 추가 기능 없이 그 자체로도 웬만한 검색 서비스는 구현할 수 있는 수준입니다. 하지만 티몬 같은 커머스 검색은 고객과 기획자의 요구 사항이 매우 다양하기 때문에, 이를 충족하기 위한 엔진의 Customizing은 필연
페이지 3 / 3 (총 54개)