이번세미나는 Time to shop for Valentine's Day : shopping Occasions and Sequential Recommendation in E-commerce을 주제로 진행되었습니다. 본 논문은 기존에 personal preference를 파악하여 추천시스템에 적용한것에 Occasion을 추가하여 '유저 정보가 없는 cold-start'문제를 해결하고, occasion pattern을 파악함으로서 관련된 추천을 진행할 수 있게 돕습니다. Shopping data에서 occasion을 잘 파악하는것은 추천시스템의 성능을 향상시킬수있는 좋은 방법론이며, 개인적으로는 다음과 같은 추천 알고리즘이 이미 존재할것으로 예상했었는데 올해 퍼블리시된 논문임을 확인하고 의외라 생각했었습니다.

먼저 Occasion-Aware Recommendation은 attention mechanism을 통해 intrinsic preference, personal Occasion, Global occasion을 추출하여 사용합니다. 먼저 Intrinsic preference는 최근 구매와 과거의 구매간의 correlation을 통해 파악했으며, Personal occasion은 주기적인 패턴을 찾기위해 timestamp embedding과 item embedding을 모두 사용합니다. 마지막으로 Global occasion은 crowd behavior를 통해 비슷한 시기에 대량 구매행동을 분석하여 파악합니다. 이렇게 생성된 세가지 값들을 모두 융합하여 아이템을 추천하기위해 한번더 attention 연산이 이루어지고 최종적인 final representation을 얻었습니다. 결론적으로 정리해보면, 추천에 필요한 다양한 representation을 생성하였으며 attention을 통해 좋은 성능을 기록한 연구였습니다.

추천시스템 분야는 data별, domain별로 universal한 representation을 찾는게 굉장히 어려운 분야라 생각하는데, shopping데이터에서 다음과 같은 representation을 얻어 좋은성능을 낸것이 인상적이었습니다. 좋은 세미나 감사합니다

천우진 석사과정 세미나 발표를 들었습니다. 오늘 발표해주신 논문은 Time to Shop for Valentine’s Day: Shopping Occasions and Sequential Recommendation in E-commerce 라는 추천시스템 관련 논문이었습니다. 해당 논문의 가장 핵심이 되는 부분이 Occasion 입니다. 해당 개념은 유저의 구매를 유발하는 특정한 시간이나 이벤트를 의미하며, 보통 온라인 쇼핑몰에서 구매를 할 때, 기념일이나 명절과 같은 정보가 유저의 shopping behavior 를 결정하는데 주요하게 작용할 것이라고 논문에서 주장하고 있고 이는 상식적으로도 납득이 되는 부분이었습니다. 본 논문에서는 shopping occasion 패턴 파악을 통해 유저 행동 변화의 원인을 찾고, attention layer 를 사용해 personal / global occasion 을 파악 후 gating component 를 사용해 occasion 의 effect 를 조절하여 추천 시스템의 성능을 높이자는 것이 핵심 contribution 으로 제시하였고 실험을 통해 검증하였습니다. 개인적으로 크리스마스나 발렌타인데이 같은 특정 이벤트 데이에는 룰 베이스로 추천 시스템 처리를 하는 방법 밖에 없을 것이라고 생각했는데 모델 기반으로 푸는 시도를 한 것이 흥미로웠던 논문이었습니다. 발표 잘 들었습니다. 감사합니다.

이번 세미나는 천우진 석사과정의 Recommendation system에 관련된 것이었습니다. 이번에 발표한 논문은 구매를 유발하는 특정한 시간이나 이벤트를 말하는 Occasion을 파악하는 Occasion Aware Recommendation 이었습니다. 해당 논문은 Attention Mechanism을 이용하여 각 유저의 취향,(RQ1) 유저의 occasion(RQ2), 그리고 global한 occasion(RQ3)을 파악합니다. 이렇게 구한 RQ1~RQ3 값을 Gating Layer를 통해 최종 output을 출력하게 되는 구조입니다.
이번 발표를 통해, 추천 시스템은 모델 구조 뿐만 아니라 데이터를 어떻게 처리하고 새로운 변수들을 만들어 내야하는지에 대한 아이디어가 매우 중요하다고 느껴졌습니다.

이번 세미나는 추천알고리즘에 대한 내용이었습니다. 기존 추천 알고리즘과 다른점을 언급해보려고 합니다, 기존 추천 방법론은 아이템간의 유사도, 아이템과 유저간의 유사도를 고려했다면, 이 논문에서는 특정시점, 기간 에대한 부분으로 재해석하는 방법론 이라고 할 수 있습니다. 특정시점, 기간에 대한 이벤트는 두가지로 해석될수 있습니다. 모든 사람들에게 공통적으로 해당하는 공휴일, 개인적으로 해당하는 생일, 특정 기념일이 될 수 있습니다. 이러한 개념을 모델에 적용하여 real-world에 보다 성능을 높일수 있는 방법론이라고 생각됩니다. 하지만 공휴일의 변화, 개인적인 휴일등은 모델로 일반화하기에는 variation이 생각보다 크다고 생각되는데 이러한 부분을 어떻게 stationary하게 해석될 수 있는지 좀 더 고민을 해봐야 할 것 같습니다.

이번 세미나는 졸업전 천우진석사과정의 마지막 발표 였습니다. 최근 Seqeunce recommendation 쪽에서 NLP의 대용량 학습 데이터와 복잡한 구조로 진화하고 있는 이유로, 큰 가시적인 변화가 없었습니다. 여전히 추천시스템에서 AutoRegressive 모델들이 그리 큰 좋은 성능을 내지 못하고 있기때문이라 생각합니다. 그런데 해당 논문은 관점을 조금 바꾼 것 같습니다. 물론 사전 데이터 가공을 해야하는 노동(?)적 작업이 필요 할것 같긴하지만, 유저별 특성을 반영해주는 시간, 이벤트를 정의해 유저 특화 동시에 시간에 특화된 추천을 가능하게 해주는 것 같습니다. 예전에 생각 했던 특정유저에게 특정시간대에 구매할 것을 추천하는 것을 생각 했었는데( 일반적으로 치킨광고를 저녁에 하는것 처럼 ) 이런 아이디어를 구체화 하여, 구현하지 않았나 생각이 들었습니다. 구매한 아이템의 추가적인 정보를 history data 에서 뽑아내는 것인데, 구매의 순서뿐만아니라 패턴을 분석하는 것에서 상당히 큰 아이디어를 얻을 수 있었고, 여전히 특정 아이템을 추천할 때는 단순히 seq만 예측하는 것이 아니라, 다양한 정보를 함께 사용해야 함을 느꼈습니다. 다양한 관점에서, 필요로하는 목적에 따라 다양한 시도를 하는 것이 논문으로 이어 질 수 있다는 생각을 하게되고, 생각한것을 구현해보고자 노력하게 됩니다. 좋은발표 잘들었습니다.

이번 세미나는 occasion-aware 추천 시스템에 관한 발표였습니다. Occasion이란 구매를 유발하는 특정한 시간이나 이벤트로, 논문의 제목에도 나와있는 발렌타인 데이, 부모님의 날, 크리스마스 등이 그 예시라고 할 수 있습니다. 예전부터 추천 시스템에 관한 발표 또는 논문을 접할 때, 이러한 이벤트들이 구매에 굉장히 큰 영향을 미치지 않을까 생각한 적이 있는데, 이것을 occasion이라는 개념으로 정의하고 이를 반영한 추천 시스템을 제안했다는 점이 흥미로웠습니다. 특히 일반적인 occasion 정보만을 활용한 한정된 contribution의 연구가 아니라, 개인적인 선호를 반영한 intrinsic preference modeling 파트, 개인적인 occasion을 반영한 personal occasion elicitation 파트 등이 방법론에 대한 신뢰도와 효용성을 극대화한다는 생각이 들었습니다. 개인연구 발표에서는 long-term 선호도를 반영하기 위한 발표자분의 아이디어가 직관적이라는 생각이 들었고, reformer와 같이 길이가 매우 긴 sequence를 handling 할 수 있는 방법론을 이용한다면 어떤 결과가 나올지 궁금합니다. 석사과정 기간 동안 추천 시스템에 지속적으로 관심을 가져온 만큼 졸업 후에도 좋은 연구결과가 있었으면 하는 바람입니다.

이번 발표는 Time to Shop for Valentine's Day: Shopping Occasions and Sequential Recommendation in E-commerce 라는 논문에 대한 리뷰를 주제로 진행되었습니다. 본 논문은 sequential recommendation에서 occation이라는 새로운 개념을 도입했습니다. 논문 제목에서 알 수 있듯 occation은 소비자들의 구매가 몰리는 특정한 기간 혹은 날을 의미합니다. 기존의 추천 시스템에서는 특정 고객의 preference를 파악하는 데 집중했다면 본 논문에서는 고객이 본인의 preference와 상관 없는 선택을 할 때도 있다는 점을 지적합니다. 여름 방학이나 지인의 생일, 크리스마스 시즌과 같을 때 고객이 기존 구매 이력과 상관 없이 물건을 구매한다는 사실은 직관적으로도 당연하게 느껴집니다. 논문의 아이디어 제안이 굉장히 참신하고 흥미롭다는 생각이 들었습니다. 저자들은 occation을 결혼이나 기념일과 같은 personal occasion과 크리스마스와 같은 global occasion으로 구분했습니다. 그리고 기존 추천시스템에서 사용하는 방식인 과거 구매 내력을 통해 알 수 있는 개인의 선호도에 대한 부분은 intrinsic preference라 말합니다. 이 세 가지를 통해 유저에게 제품을 추천합니다. 모델의 전체적인 구조는 self-attention을 이용합니다. self-attention layer를 거쳐 나온 벡터들의 시퀀스 중 가장 마지막 시점의 벡터 하나를 가져와 key, value로 이용합니다. 이를 intrinsic preference, personal occasion, global occasion 세 개에 대해 수행해 총 세 개의 key, value pair를 가져옵니다. 그 후 user embedding과 time embedding을 concat한 벡터를 query로 사용해서 마지막 최종 representation을 구합니다.
모델 구조도 직관적으로 이해하기 쉽고 논문의 motivation이 뚜렷해 이해하기 쉬웠습니다. 좋은 발표 감사합니다.

최근 지인에게 선물할 물건을 온라인으로 구매하였습니다. 구매 직후부터 최근까지도 몇몇 사이트에는 저와 상관없는 물건과 관련있는 또 다른 제품들을 추천하는 배너 광고들이 떠 있었습니다. 그러한 배너들을 보면서 인공지능이 갈 길이 멀구나 라는 생각을 하고 있던 차에 본 세미나를 듣게 되어 매우 반가웠습니다. 발표해주신 논문에서는 이러한 문제를 '주기성'으로 정의하고 이를 해결하는 방법들을 제안하고 있습니다. 충분히 합리적인 방법이라고 생각을 할 수 있으나, 개인적으로는 한 사람의 구매 패턴에 노이즈(타인의 생일선물과 같은)가 굉장히 많을 수 있다는 생각이 들었고 매년 맥을 같이하는 선물들을 주기 보다는 상황에 맞는 선물들을 주는 경우가 더 많기 때문에 '주기성'이 아닌 '특수성'으로 해석하는 것도 의미가 있지 않을까 라는 생각을 하였습니다. 다시 말해, 매년 이 시기가 되면 다른 패턴을 보이니 그 패턴을 맞춰보자 라는 접근이 아니라 매년 이 시기가 되면 평소와 다른 제품들을 사니 그 제품들을 outlier라고 판단하고 그 제품들을 추천 고려 대상에서 제외하는 방식도 의미가 있을 수 있지 않을까라는 생각이 들었습니다.

본 세미나는 추천 시스템에 대해 다루었습니다. 추천 시스템의 경우 실용성은 매우 뛰어나지만 연구자 입장에서는 굉장히 까다로운 분야라고 생각하고 있습니다. 따라서 여러가지 요소를 고려하여 알맞은 요소를 잘 적용하는 것이 그 성능에 있어서 주요하게 작용한다고 생각합니다. 그런 의미에서 본 세미나에서 발표해주신 논문은 주기성의 패턴을 고려하여 추천 시스템의 성능을 향상시키고자 하였습니다. 추천을 하는데 있어서 주기성이 중요한 요소가 될 수 있는 것은 논리적이라고 생각합니다. 하지만 그것을 어떻게 모델에 적용하고 구현할 것인지에 대한 부분이 굉장히 흥미로웠는데, 그 방식이 꽤나 논리적이었다고 생각합니다. 하지만 주기성이라는 요소가 모든 사례에 대해 global하고 robust하게 잘 적용될 수 있는 것인지에 대한 의문은 들었습니다. 항상 이런 추상적인 개념을 최대한 논리적으로 잘 활용하는 것이 추천 시스템의 핵심인 것 같은데 해당 부분에 대한 연구를 또 들을 수 있어 매우 좋았습니다.

본 세미나는 추천시스템과 관련된 세미나입니다. 이 논문의 핵심아이디어는 intrinsic preference, personal occation, global occation 총 3가지 요인을 고려하여 추천시스템이 적용하는 것 입니다. 일반적인 추천시스템이 intrinsic preference만 고려하여 추천해 주었다면 본 세미나에서 제시한 논문은 명절이나 개인 기념일과 같은 특정시기에 나타나는 구매패턴도 포착할 수 있다고 주장합니다. 전처리, 후처리에서 기념일을 처리하는 것이 아니라 모델 구조에서 학습할 수 있다는 아이디어가 참신한 논문입니다. 다만 personal occation을 모델에서 파악하기에는 데이터 문제가 있을 것으로 예상됩니다. 예를 들어 여자친구와의 기념일은 여자친구가 있을 때에는 유효하지만 없을 때에는 적용되지 않을 수 있으며, 또한 100일 1000일과 같이 단발성 이벤트인 경우에는 이 모델에서 해결할 수 없을 것 같습니다. 그럼에도 불구하고 기념일의 정보를 모델에 추가하여 End-to-End 학습 모델을 만들었다는 것은 큰 발전이라고 생각합니다.

졸업 전까지 추천 도메인과 관련하여 지속적으로 세미나를 해주어 감사하다는 말씀을 먼저 전합니다. 세미나에서 발표한 논문은 특정 사건의 발생 경우의 case들을 저자가 정의하여 이에 맞게 정보를 반영할 수 있는 모델을 구축하였습니다. 일반적인 휴일과 같은 모든 사람에게 공통된 case는 모델이 반영할 수 있지만 개인별로 단발적인 case가 발생했을 때 그런 상황을 고려한 개인형 맞춤 추천 시스템으로 나아가기에는 아직 발전 가능성이 크다고 생각합니다. 논문 저자는 어떤 Occasion이 중요한지 Key point들을 찾기 위해 관계들을 EDA로 살펴보고 모델로 적용하여 결과를 낸 전체적인 흐름에서 많은 것을 배웠습니다. 졸업 축하합니다!

조금 더 정확한 추천을 하기 위해 고객의 선호를 파악하는 것은 중요한 과제입니다. 또한 시간의 흐름에 따라 고객의 선호가 변화하므로 이를 탐지하는 것 또한 중요한 과제일 것입니다. 하지만 고객은 기본적으로 가지고 있는 선호와 관련이 없는 선택을 하기도 하는데, 계절이나 특정 기념일 등을 위한 선물이 대표적인 경우입니다. 본 세미나에서 소개된 논문에서는 구매를 유발하는 특정한 시간이나 사건을 의미하는 Occasion을 대다수 고객이 영향을 받는 Global Occasion과 개인적인 사건 등을 의미하는 Personal Occasion으로 구분한 후 개인적 선호와 Global, Personal Occasion을 고려하여 추천을 진행합니다.
개인적 선호인 Intrinsic Preference의 경우 비교적 안정적이고 급변하지 않으므로 Self-Attention을 적용하여 파악하며, Personal Occasion의 경우 작년, 재작년 동일 기간의 구매 이력과 비교하여 파악하기 위해 예측하고자 하는 시점의 날짜를 Query로, 과거 기록 죽 관련 있는 날짜에 구매한 Item Embedding을 Key, Value로 사용하여 연 단위로 주기성을 갖는 Item의 선호를 파악합니다. Global Occasion의 경우 예측하고자 하는 시점의 날짜를 Query로, 대량 구매가 이루어졌던 기록 중 관련이 있는 시간과 Item의 정보를 Key, Value로 사용하여 파악하며, 최종적으로 유저 임베딩과 예측하고자 하는 시점의 임베딩을 Concat한 값을 Query로 하여 앞서 구한 세가지 Output을 Key, Value로 하는 Attention을 수행해 Final Representation을 얻어냅니다.
통상적인 선호의 영향을 받지 않는 Occasion을 고려하여 추천을 시행한다는 점이 새롭게 느껴진 세미나였습니다. 감사합니다.

금일 세미나 시간에는 마지막으로 이번학기를 끝으로 졸업하게 되는 천우진 석사과정이 "Time to Shop for Valentine's Day: Shopping Occasions and Sequential Recommendation in E-commerce" 논문을 주제로 sequential recommendation에서 occation이라는 새로운 개념을 도입하여 추천의 주기성을 반영한 알고리즘에 대해서 이야기해 보았습니다. 저 역시도 최근 다양한 광고 매체를 통해서 닭가슴살, 고구마와 같은 다이어트 음식에 대한 광고로 인해서 다이어트를 생각하고 있는 만큼 실생활에 활용도 높은 방법론이라고 생각하였습니다. 해당 논문에서는 intrinsic preference, personal occation, global occation 총 3가지 요인을 고려하여 사용자에게 커스텀화된 주기성있는 추천을 가능하도록 하고 있었습니다. 개인적으로 생각해보았을때, 저를 대입해보면 주기적으로 구매해야하는 고양이 사료나, 닭가슴살 등 이러한 주기성은 추천화 알고리즘에서 큰요인이 될거라 판단해서 흥미로운 연구 idea라고 생각하였습니다. 끝으로 마지막까지 재미있는 연구로 세미나를 빛내준 천우직 석사과정에게 감사의 인사 전합니다. Adios

금일 발표는 "Time to Shop for Valentine’s Day : Shopping Occasions and Sequential Recommendation in E-commerce"라는 주제로 진행되었습니다. 본 발표에서는 아이템간, 아이템과 유저간 interaction을 파악하는데 집중했던 기존의 추천시스템들과 다르게 과거의 기록 중 예측하고자 하는 시점과 관련있는 시점의 아이템들만을 반영해서 아이템을 추천하는 플로우를 통해 모델을 구현한 논문이 소개되었습니다. 천우진 석사과정은 지속적으로 추천시스템과 관련하여 발표를 진행하고 있는데, 세미나를 진행할 때마다 흥미로운 논문을 소개해주어 항상 즐겁게 발표를 듣고 있습니다. 오늘 발표 또한 새로운 관점에서 추천시스템을 바라본 논문이었고, 특히 이번에 소개된 방법론에서 발렌타인 데이와 같은 global event에 대한 정보 및 기념일과 같은 personal event에 대한 정보를 반영하여 아이템을 추천하는 부분에 대해 들으며 실생활과 밀접한 관련이 있는 추천시스템에 보다 실생활과 관련된 아이디어가 잘 녹여졌다는 생각이 들었습니다. 이와 같이 항상 해결하고자 하는 문제 자체에 다시 한 번 고민하고, 그것이 실제로 해결되는 과정을 모방하여 모델을 만드는 것 또한 굉장히 흥미로운 연구라고 생각이 들었습니다.