버즈니 AI LAB 기술 -랭킹 편
[버즈니 AI LAB] AI 기술 소개 세션
버즈니 AI LAB은 최근까지 이머커스의 주축이 되는 기술을 중심으로 연구 및 개발을 지속적으로 해오며 크고 작은 성과를 선보였다. 그동안 버즈니 AI Lab에서 일군 성과를 이번 글을 통해 공유하고자 한다.
세 번째 기술은 '랭킹'이다.
1. 이미지
2. 카탈로그
3. 랭킹
4. 카테고리 분류
5. 추천
6. 텍스트
3. 랭킹
1) 기술 소개
기술 : 주어진 쿼리와 상품들의 관련정도(Relevance)를 수치화
목적 : 사용자가 원하는 상품을 쉽게 찾을 수 있도록 함
relevance란, 쿼리랑 상품이 얼마나 관련있는지를 나타내주는 수치다. 이러한 스코어 relevance를 내주기 위해서 랭킹 모델은, 사용자가 입력한 쿼리에서 언어적인 특징을 분석하고, 가지고 있는 상품풀에서 이미지, 언어의 특징을 분석하여 결과를 도출한다. 쿼리를 입력한 유저가 최종적으로 받게되는 정보는 relevance 스코어가 높은 순서대로 연관성 높은 상품들이 되겠다.
[Relevance Score를 계산하기 위해 사용할 수 있는 정보]
- 해당 상품의 과거 인기정도(클릭수, 구매수)
- 쿼리와 상품명의 매칭점수
- 쿼리와 상품설명의 매칭점수
- 쿼리와 상품의 카테고리 매칭점수
- 쿼리와 상품의 브랜드 매칭점수
- 등…
이때 랭킹 모델이 사용할 수 있는 정보는 다음과 같은데요. 쿼리와 상품의 정보를 적절히 융합하여 의미있는 정보(feature)를 사용한다. 쿼리와 상품명이 얼마나 유사한지에 대한 정보에서부터 쿼리까지 유추할 수 있는 유저가 보고싶은 카테고리나 브랜드가 일치하는가에 대한 정보, 계절성이 맞는지 등을 모두 사용하게 된다.
2) 서비스 활용
- 방송상품 영역
- 일반상품 영역
'적용중인 기술'
- elastic search에 내장된 semantic matching 기술, BM25
- 과거 클릭수 기반 matching, learning to rank model
- 카테고리 matching
- 브랜드 matching
'앞으로'
- 각 기술에 deep learning model 적용
- 각 기술을 통합할 수 있는 deep learning model 구성
현재 홈쇼핑모아에는 방송상품영역, 일반상품영역에 랭킹모델이 사용되고 있고, 나날이 개선을 진행하고 있다. 특히 위에 언급됐던 여러가지 정보(feature)들을 고도화 작업을 진행하고 있고, 최근 연구되고 있는 deep learning 기반의 더 의미있는 정보(feature)를 얻고자 노력하고 있다.
