UNIST 연구진이 세부 상품군에 따라 달라지는 소비자의 구매 성향을 분석해 상위 5개 상품 추천 적중률을 기존 최고 기술보다 최대 36.3% 높인 인공지능(AI) 추천 기술을 개발했다.
UNIST는 인공지능대학원 이연창 교수팀이 상품군별 소비 성향 차이를 반영하는 교차 도메인 추천 기술 ‘멀티탭(Multi-TAP)’을 개발했다고 6일 밝혔다.
교차 도메인 추천은 사용자의 구매 기록이 충분히 쌓인 상품 분야에서 얻은 정보를 구매 기록이 부족한 다른 상품 분야의 추천에 활용하는 기술이다. 전자제품을 자주 구매했지만 홈·생활용품 구매 기록은 적은 사용자를 대상으로 전자제품 구매 이력을 활용해 홈·생활용품을 추천하는 방식이다.
멀티탭은 같은 상품 분야 안에서도 세부 상품군에 따라 달라지는 구매 성향을 구분하고, 다른 상품 분야의 정보는 현재 추천과 관련된 정도에 따라 선별적으로 반영한다.
사용자는 컴퓨터를 구매할 때 가격이 높고 평점이 좋은 제품을 선택하면서도 홈 오디오를 구매할 때는 가격이 낮고 인기 있는 제품을 고를 수 있다. 기존 기술은 이 같은 세부 상품군별 구매 성향 차이를 충분히 반영하지 못했다.
멀티탭은 구매 이력과 상품 정보를 분석해 사용자가 가격과 평점, 리뷰 수를 제품 구매 과정에서 얼마나 고려하는지를 파악한다. 이용 빈도와 동일 상품 분야에서 구매한 세부 상품군의 다양성도 높음·중간·낮음의 3단계로 구분한다.
이후 대형언어모델(LLM)이 상품군별 구매 성향 차이가 드러나도록 분석 결과를 문장으로 정리한다. 이를 숫자 정보로 변환해 기존 추천 알고리즘인 라이트GCN(LightGCN)이 학습한 구매 행동 정보와 결합한 뒤 상품을 추천한다.
연구팀에 따르면 LLM을 활용하면 높음·중간·낮음 등의 수치만 나열하는 방식보다 어떤 상품군에서 어떠한 성향이 나타나는지를 추천 모델이 구분해 학습할 수 있다. 추천 대상 상품 분야를 기준으로 다른 분야의 정보가 얼마나 관련돼 있는지도 계산해 반영 정도를 조절한다.
연구팀은 아마존의 전자제품과 홈·생활용품, 스포츠용품, 의류, 완구 구매 기록을 활용해 멀티탭의 성능을 검증했다. 그 결과 대표적인 교차 추천 과제 6개 가운데 5개에서 가장 높은 성능을 기록했다.
실제 구매한 상품이 상위 5개 추천 목록에 포함된 비율은 기존 최고 기술보다 최대 36.3% 높았다. 연구팀은 구매 기록이 적은 상품 분야에서도 사용자의 실제 취향에 가까운 상품을 추천할 수 있을 것으로 보고 있다.
이번 연구에는 강대희 연구원이 제1저자로 참여했다. 연구 결과는 데이터마이닝 분야 국제 학술대회 ‘ACM KDD(ACM SIGKDD Conference on Knowledge Discovery and Data Mining)’에 채택됐다. 올해 학회는 9일부터 5일간 제주도에서 열린다.
연구는 과학기술정보통신부와 정보통신기획평가원(IITP)의 인공지능대학원, AI스타펠로우십, 지역지능화혁신인재양성, 생성AI선도인재양성 사업과 한국연구재단의 개인기초연구 우수신진연구사업 지원을 받아 수행됐다.
이연창 교수는 “소비자의 취향은 상황과 세부 상품군에 따라 달라지는 만큼, 멀티탭은 구매 성향을 여러 ‘멀티 페르소나’로 나눠 이러한 차이를 추천에 반영한다”며 “구매 기록이 적은 상품 분야에서도 실제 취향에 가까운 상품을 추천해 온라인 쇼핑몰의 개인 맞춤형 추천을 고도화할 수 있을 것”이라고 말했다.
헬로티 이동재 기자 |
