개요:

이 세션에서는 Local Domain에서 접할 수 있는 다양한 Data와 추천의 상황들에 대해 공유합니다. 각 상황에서 어떻게 하면 좋은 추천을 할 수 있을지에 대해 고민했던 것들을 소개합니다. Heterogeneous Domain Data, Multimodal Data를 잘 이해하는 방법, 여러 Task에 적용가능하도록 Representation Learning을 하는 방법, NAVER에서의 다양한 User Behavior를 Graph 구조를 통해 잘 이해하는 방법 등 기술을 연구하고 개발하는 과정에서의 노하우와 팁을 발표합니다. 또한 실제 서비스에 적용하기의 고민 Point들을 나눕니다. 그리고 이렇게 서비스에 적용된 추천 기술들이 사용자들이 어떻게 사용하고 있고, 이를 통해 어떠한 가치를 얻어가는지에 대해 소개합니다.

목차

1. 지역 관점의 장소 추천 시스템2. HyperLocal Personalization의 단계들3. HyperLocal Personalization의 다양한 Representation Learning 기술들

• Recommendation Next POI with Heterogeneous Domain : RelatedPOI2vec
• Optimization with Joint Representation Learning : Global-POI2vec
• Understanding User Behaviour with Graph Deep Learning : FollowSAGE, VisitSAGE, History2vec

4. HyperLocal Personalization을 위해 하고 있는 것들

• Understanding Intent with Multimodality : 이미지, Text 등을 종합적으로 고려해서 추천 해보자
• Optimize Search Context : 장소 탐색의 실시간 Context를 반영해보자

5. 사용자들은 실제로 추천 서비스들을 어떻게 이용하고 있을까? (a.k.a User Satisfaction Evaluation)

• RQ1. 추천 기술이 사용자 취향을 깊이 있게 이해하여 추천하고 있는가? (a.k.a Accuracy)
• RQ2. 사용자들은 얼마나 많은 SME들을 발견하고 있는가? (a.k.a Novelty)
• RQ3. 사용자들을 실제로 얼마나 만족을 하고 사용하고 있는가? (a.k.a Retention)