사전학습 언어 모델 기반의 이커머스 개인화 추천 기법에 대한 연구 = A Study on E-Commerce Personalized Recommender System Based on Pre-trained Language Models

국문 초록 (Abstract)

이커머스 플랫폼은 대량의 거래가 발생하는 시장이다. 플랫폼 운영자는 고객의 맥락과 취향을 파악해 적합한 상품을 추천함으로써 고객을 돕고자, 고객이 구매한 상품의 순서를 특별하게 중요한 정보로 간주해 추천시스템을 운용했다. 상품과 고객의 풍부한 맥락을 담고 있는 텍스트 정보를 추천 모형과 연결하고자 다양한 시도가 진행됐으며, 몇 가지 모형은 사전학습 언어모형이 미세 수준의 텍스트 맥락을 처리하는 데 착안했다. 최근 연구는 고객후기나 상품 상세페이지 정보 중 주로 한가지를 사용해 사전학습 언어모형과 이커머스 개인화 추천 시스템을 연결하고, 검증시 외생변수인 상품 도메인(domain)을 고려한다.

본 연구는 사전학습 언어모형을 기반으로 이커머스 개인화 추천 성능을 향상하는 새로운 기법 R2-D2(Review-Rating integrated recommender system for cross Domain-Desciption via pre-tranined language models)를 제안한다. R2-D2는 사전학습 언어모형과 고객 행동을 통합하는 데 3가지 task를 새롭게 제안한다. Item-Review contrastive task, Review-Rating contrastive task, Review-Rating predicting task는 고객 후기와 상품 정보의 BERT 임베딩을 효과적으로 결합한다.

2017, 2018년도의 아마존 리뷰 데이터셋의 도서, 전자기기, 킨들 데이터에 대해 MRR과 NDCG를 기준으로 성능을 평가하고 모형의 성과를 살핀 결과, 전통 이커머스 개인화 추천 모형인 SASRec과 BERT4Rec보다 우수함을 확인했다. R2-D2은 최신의 고성능 사전학습 기반 언어모형인 UniSRec보다도 높은 정확도를 보였으며, 특히 사전학습 언어 모형 임베딩을 BART로 변형했을 때 최대 10.87%의 성능 향상을 나타냈다. R2-D2는 추후 다양한 사전학습 언어모형과 결합시 확장성을 확인했으며, 다양한 이커머스 생태계 참여자가 요구하는 맥락을 자세히 제공하도록 이커머스 경영정보시스템을 고도화 할 수 있다.

목차 (Table of Contents)

• 제1장 서 론 1
• 제1절 연구배경 및 목적 1
• 제2절 논문 구성 3
• 제2장 관련 연구 4
• 제1절 상품 소비 순서를 활용한 개인화 추천 4
• 제2절 사전학습 언어모형을 활용한 개인화 추천 6
• 제3절 사전학습 언어모형 임베딩 특성 9
• 제3장 연구 방법 13
• 제1절 연구문제 13
• 제2절 연구 데이터 처리 절차 14
• 제3절 R2-D2 15
• 제4장 실험 21
• 제1절 실험 절차 21
• 제2절 실험 데이터 22
• 제3절 실험 결과 24
• 제5장 결론 29
• 제1절 결론 29
• 제2절 연구의 한계 30
• 제3절 연구의 의의 31
• 참고문헌 32
• ABSTRACT 36