딥러닝 추천 모델에 인과추론 접목시켜 전환율 예측 성능을 향상시키자!

이 글은 딥러닝 기반 추천 시스템의 성능 향상을 위해 인과추론을 접목하는 방법을 다룹니다. 기존 추천 시스템이 상관관계에 기반하여 모델링하는 것의 한계를 지적하며, 현실 세계의 인과관계를 포착하는 것이 중요함을 강조합니다.

특히, 데이터 편향(순응 편향, 인기 편향, 노출 편향)과 데이터 누락 및 노이즈 문제로 인해 상관관계 기반 모델의 성능 저하가 발생할 수 있음을 설명합니다. 딥러닝 추천 모델에 인과추론을 적용함으로써 이러한 문제점을 극복하고 전환율 예측 성능을 향상시킬 수 있는 가능성을 제시합니다.