[서울=뉴시스]전수현 인턴 기자 = 한양대 컴퓨터소프트웨어학부 김상욱 교수 연구팀이 개인 맞춤형 추천 정확도를 약 13% 향상시킨 추천 시스템 '스타라인(STARLINE)'을 개발했다.

추천 시스템은 사용자의 과거 행동 데이터를 기반으로 상품이나 콘텐츠를 제안하는 기술이다. 최근에는 상품 이미지, 설명 텍스트 등 다양한 모달리티 정보를 함께 고려하는 멀티미디어 기반 추천 방식이 주목받고 있다.

하지만 기존 멀티미디어 추천 방식은 상품의 다양한 모달리티 특징을 단순히 결합해 활용하는 수준에 그쳐 사용자의 실제 선호 요인을 정확히 구분하지 못했다.

이에 김 교수 연구팀은 사용자의 복합적인 취향을 모달리티별로 세분화해 정교하게 분석하는 새로운 방식을 제안했다. 해당 기술은 사용자가 상품을 클릭하거나 구매했을 때, 선택의 원인을 개별적으로 분석한다. 이후 실제 선호가 반영된 요소만 학습 데이터로 활용하고, 우연적 요인은 제외한다.

연구팀은 각 모달리티를 사용자-상품 간 관계를 나타내는 그래프 형태의 네트워크로 변환한 뒤, 선호가 반영된 관계는 유지하고 무관한 관계는 제거했다.

이러한 과정을 통해 향후 가능성이 있는 잠재적 선호 관계는 새롭게 추가하는 '네트워크 정제(Network Refinement)' 방식의 추천 시스템 'STARLINE'을 개발했다.

'STARLINE'은 검벨 소프트맥스(Gumbel-softmax) 기반의 확률 모델을 통해 각 관계의 중요도를 정밀하게 평가·판단하기에 정교한 추천이 가능하다.

실제 아마존의 5개 상품 카테고리를 대상으로 진행된 평가에서 'STARLINE'은 기존 최신 멀티모달 추천 기술 대비 평균 약 13% 높은 추천 정확도를 기록했다. 특히 사용자 행동 데이터가 상대적으로 부족한 신규 사용자군에서도 안정적인 성능 향상을 보였다.

한편 이 기술은 8월3일부터 7일까지 캐나다 토론토에서 열리는 세계 최고 수준의 데이터사이언스 학술대회 '제31회 ACM SIGKDD 국제학술대회(KDD 2025)'에서 발표될 예정이다.


◎공감언론 뉴시스 soooo@newsis.com