개인화 추천 시스템 1편 - 유저의 행동은 “언어”일까? : Collaborative Embedding 구축기 (feat. Knowledge Distillation)

컬리 데이터서비스개발팀은 정보 과부하 문제를 해결하고 서비스 경험과 매출을 높이기 위해 개인화 추천 시스템을 구축했습니다. 이 시스템은 사용자의 복잡하고 다양한 행동 패턴을 포착하는 것을 핵심 과제로 삼습니다.

특히, "Collaborative Embedding" 기반의 추천 시스템을 설계했으며, 이는 사용자의 행동을 "언어"처럼 다루는 관점을 적용했습니다. Transformer의 문맥 이해 능력과 Knowledge Distillation 기법을 결합하여 추천 정확도와 서빙 속도 간의 균형을 개선했습니다.

이 글은 추천 시스템 구축의 첫 번째 편으로, 상품과 사용자를 표현하기 위한 "Content Space"와 "Collaborative Space"라는 두 가지 공간으로 나누어 접근하는 모델링 과정을 소개합니다. 향후 후속편에서는 시스템 아키텍처 및 서빙, 실시간 로그 활용 방안 등을 다룰 예정입니다.