미국미디어·콘텐츠2023 – 진행 중핀터레스트
개인화 추천을 위한 트랜스액트 트랜스포머
핀터레스트는 온라인 실험에서 트랜스액트로 홈피드 리핀이 11% 늘었다고 밝혔다
문제
추천은 사용자의 관심사가 바뀌는 데 대응해야 했고, 일괄 계산한 표현이 가진 비용 이점도 잃지 않아야 했다.
접근 방식
핀터레스트 연구진은 실시간 행동에서 단기 선호를 추출하는 트랜스액트를 만들었다. 이를 오프라인으로 계산한 사용자 표현과 결합했다. 온라인 실험을 거쳐 이 모델은 홈피드, 관련 핀, 알림, 검색에 실제 적용됐다.
주요 수치
+11.0%온라인 실험에서 늘어난 홈피드 리핀 수(핀터레스트 발표)
시사점
핀터레스트는 랭킹 시스템에서 최근 활동과 장기 표현을 결합했다. 일주일에 두 번 다시 학습시켜, 사용자 관심사가 바뀌어도 참여도 상승분이 안정적으로 유지됐다.
분류
출처
출처 요약
[1]arXiv2023년 5월 31일
핀터레스트 연구진은 온라인 실험에서 홈피드 리핀 건수가 11% 늘었다고 밝혔다. 추천, 알림, 검색 전반에 실제 적용했다고 설명했다.
자세한 내용은 원문에서 확인하실 수 있습니다.
등록일 2026년 11월 1일 · 수정일 2026년 11월 1일
