Core Concepts
전자상거래 플랫폼은 방대한 상품 카탈로그에서 실시간으로 개인화된 추천을 제공해야 하는 중요한 과제를 해결하기 위해, 사용자 특성과 상품 특성을 모두 고려한 저차원 동적 상품 구성 모델을 제안한다.
Abstract
이 논문은 전자상거래 플랫폼의 실시간 개인화 추천 문제를 다룹니다. 플랫폼은 방대한 상품 카탈로그에서 각 사용자에게 최적의 상품 구성을 제공해야 합니다. 이를 위해 사용자 특성과 상품 특성을 모두 고려한 동적 상품 구성 모델을 제안합니다.
제안 모델의 주요 특징은 다음과 같습니다:
사용자 특성과 상품 특성의 상호작용을 저차원 행렬 형태로 모델링하여 계산 복잡도를 낮춤
초기 탐색 단계에서 저차원 부공간을 추정하고, 이를 활용하여 상품 구성 최적화
추정된 저차원 부공간 기반의 상한 신뢰구간(UCB) 알고리즘을 통해 탐험-활용 균형 달성
이러한 접근법을 통해 기존 방법 대비 상당한 성능 향상을 달성하였습니다. 실제 Expedia 호텔 추천 데이터에 적용한 결과, 제안 모델의 우수성을 확인할 수 있었습니다.
Stats
사용자 특성 벡터의 L2 노름은 Sq 이하로 제한됨
상품 특성 벡터의 L2 노름은 Sp 이하로 제한됨
사용자 선택 확률의 하한은 κ 이상으로 제한됨
Quotes
"전자상거래 플랫폼은 방대한 상품 카탈로그에서 실시간으로 개인화된 추천을 제공해야 하는 중요한 과제를 해결해야 합니다."
"사용자 특성과 상품 특성의 상호작용을 저차원 행렬 형태로 모델링하여 계산 복잡도를 낮출 수 있습니다."
"초기 탐색 단계에서 저차원 부공간을 추정하고, 이를 활용하여 상품 구성을 최적화할 수 있습니다."