개요:

이 발표에서는 네이버 검색에서 반응형으로 컨텐츠를 추천하는 기술을 소개합니다. 최근 검색 연구 및 서비스는 질의 의도에 적합한 결과를 제공하는 것을 넘어서 사용자에게 필요한 정보를 추천하고 있습니다. 따라서 네이버 검색에서도 추천 기술과 융합하여 기존의 검색결과를 보여주고 끝나는 것이 아니라, 사용자 행동에 따라 반응형으로 추천하는 interactive한 검색을 시도하고 있습니다. 그 중에서 네이버 AiRSearch 반응형으로 1년 동안 진행한 연구 실험 결과와 서비스 적용 경험을 공유하려고 합니다.

목차

1. Intro

• 검색은 반응형 추천이 필요해
• 그런데 반응형 문제는 풀기 어려워

2. 반응형 문제를 풀기 위해서는?

• Intent Query : 클릭한 문서에서 핵심 의도 찾기 (LM 모델을 이용한 query extraction)
• Intent Walker : 그래프 기반으로 사용자 의도에 맞는 문서 추천하기 (Graph-based recommendation, Random-walk와 GNN)
• User Modeling : 유저의 관심사 예측하기 (Demographic, Long and short-term user interest recommendation)

3. 반응형 서비스 개발을 위한 꿀팁!

• 데이터셋 자동 생성하기 : 로그 기반으로 학습 및 평가 데이터 구축
• A/B test로 빠르게 평가받기 : 사용자의 선택을 받은 모델로 서비스 출시
• 네이버 개발 플랫폼 활용하기 : 효율적인 실험/서비스 개발 환경

4. 그래서 네이버는?

• 사용자 의도에 Fit한 컨텐츠 추천 (인플루언서검색)
• 정보 탐색에서 쇼핑까지 (쇼핑 스마트블럭)

5. Behind Story

• 연구&개발 실패기

대상

• 쇼핑/이미지/동영상/웹문서 등 검색 서비스를 개발하시는 분들
• NLP에서 LM 활용과 Graph-based recommendation에 관심이 있으신 분들
• 검색과 추천 알고리즘에 관심이 많으신 분들
• 네이버 검색을 제공하기 위한 제반 기술에 관심이 있으신 분들
• 서비스 적용 실패를 줄이기 위한 선행 연구에 관심이 있으신 분들