본문 바로가기
[학술저널]

  • 학술저널

카카오의 루빅스를 중심으로

박승택(신한카드) 성인재(카카오) 서상원(에이팀벤처스) 황지수(카카오) 노지성(카카오) 김대원(카카오)

표지

북마크 0

리뷰 0

이용수 389

피인용수 0

초록

본 논문에서는 카카오가 2015년 6월부터 다음 뉴스에 적용한 루빅스(RUBICS)의 구조와 성과를 고찰한다. 루빅스는 다양한 추천 알고리듬으로 구성된 앙상블(Ensemble) 추천 시스템이며, 각 이용자의 성향을 반영한 개인화 추천과 이용자 집단 내의 트렌드를 반영한 추천을 통합적으로 제공한다. 본 논문에서는 루빅스의 초기(콜드 스타트(Cold-Start) 이용자가 다수인 상황)에 주요 알고리듬으로 사용된 멀티암드밴딧(Multi-Armed Bandit) 중심의 뉴스 추천시스템을 설명한다. 이어 알고리듬 성능을 추적하고 개선하기 위해 사용한 성능평가 방법을 설명하고 이를 통한 점진적인 알고리듬 개선 프로세스에 대해 논의한다. 마지막으로 루빅스 도입 이전과 이후의 뉴스 서비스의 성과 지표 비교를 통해 루빅스의 효과를 설명한다. 루빅스가 다음 모바일 뉴스에 도입되기 전인 2015년 4월과 도입(2015년 6월) 후인 2015년 8월의 뉴스 소비를 비교한 결과, 루빅스가 적용된 후 일평균 클릭 수는 130% 증가했으며, 일평균 뉴스 이용자도 45% 늘었다. 또한 첫 화면에 노출되는 뉴스 콘텐츠의 양도 250% 증가하였다. 이는 루빅스가 이용자 경험의 개선을 통해 이용자의 증가와 뉴스 내의 다양성 확보에 효과가 있음을 보여준다.

We study the structure of RUBICS (Real-time User Behavior Interactive Content recommender System) and its performance in the Daum mobile news service (the “News Service”). RUBICS has deployed in the News Service since June 2015. RUBICS is an ensemble recommender system consisting of various recommendation algorithms, which provides users with a combination of trend recommendation and personalized one. In this paper, we mainly explain a customized Multi-Armed Bandit (MAB) algorithm, which played a major role in the early version system where most users were in cold-start situations. Then, we explain our performance evaluation methods and test-procedures which were employed in order to improve the algorithms in our system. Finally, we discuss the impact of RUBICS on the News Service by comparing the KPIs of the service before and after deployment of RUBCIS. RUBICS increased the average number of clicks per day by 130% and the average number of news clickers per day by 45% between April 2015
and August 2015. Also, the number of news articles shown in the Daum mobile homepage increased by 250% during the same period. These results show that RUBICS is efficient in improving user experiences and therefore, can increase the number of active users in the News Service, and enhance diversity of news articles. We hereby wish to share our knowledge obtained from the development of RUBICS and seek to help build an open discussion for the usage of machine learning in the news recommendation service.

목차

요약
1. 서론
2. 논의 배경
3. 루빅스 알고리듬에 대한 설명
4. 루빅스 도입에 따른 효과
5. 결론 : 기계학습 기반 뉴스 추천 구조의 적용 전망 및 함의
참고문헌
ABSTRACT

참고문헌(0)

리뷰(0)

도움이 되었어요.0

도움이 안되었어요.0

첫 리뷰를 남겨주세요.
Insert title here