사용자 취향 정교하게 반영해 추천 품질 획기적 향상
세계 최고 학술대회(SIGIR 2025)서 발표 예정

한양대학교 컴퓨터소프트웨어학부 김상욱 교수 연구팀이 사용자 리뷰를 기반으로 개인 맞춤형 추천 정확도를 획기적으로 향상시킬 수 있는 인공지능(AI) 기술 'LETTER'를 개발했다고 10일 밝혔다.

'추천 시스템'은 사용자의 과거 행동과 선호도를 분석해 상품이나 콘텐츠를 제안하는 기술로, 넷플릭스, 아마존 등 글로벌 플랫폼 기업들이 핵심적으로 활용하고 있는 분야다. 최근 온라인 플랫폼의 급속한 성장에 따라 개인 맞춤형 추천의 중요성이 커지고 있지만, 기존 시스템은 사용자의 복합적인 취향을 세밀하게 반영하지 못한다는 한계가 있었다.

특히 사용자가 남긴 리뷰에는 개별적인 감정과 취향이 풍부하게 담겨 있음에도 불구하고, 기존 기술은 리뷰 내용을 단순 통계나 점수 수준으로 처리해 세부 맥락과 정보 손실이 컸다. 또한, 사용자 리뷰에서 '좋아하는 점'과 '싫어하는 점'을 명확히 구분하지 못해 정확한 추천에 어려움이 많았다.

김상욱 교수 연구팀이 개발한 'LETTER'는 그래프 신경망(Graph Neural Network, GNN) 기반의 추천 시스템으로, 사용자 간 관계(U-U 그래프)와 상품 간 관계(I-I 그래프)를 독립적으로 구성하고, 사용자 리뷰를 긍정(Like)과 부정(Dislike)으로 분리해 학습하는 방식으로 작동한다. 이를 통해 LETTER는 ▲사용자의 전체적인 선호(G-Rep) ▲좋아하는 특성(L-Rep) ▲싫어하는 특성(D-Rep) 을 각각 분리해 모델링함으로써 사용자의 복합적인 취향을 정밀하게 반영할 수 있다.

예를 들어, 사용자가 높은 평가를 준 리뷰는 '좋아하는 리뷰'로, 낮은 평가를 준 리뷰는 '싫어하는 리뷰'로 분류하여, 개인 선호와 비선호 특성을 별도로 학습한다. 이러한 구조는 기존 시스템보다 훨씬 정교한 개인화 추천을 가능하게 한다.

연구팀은 다양한 상품군을 포함한 6개 대규모 데이터셋을 활용한 실험에서, 기존 최신 추천 기술 대비 최대 23.1% 향상된 추천 정확도를 확인했다. 특히, 데이터가 희소한 환경에서도 우수한 성능을 발휘해 실제 이커머스나 콘텐츠 플랫폼에 바로 적용 가능한 기술로 주목받고 있다.

김상욱 교수

김상욱 교수는 “LETTER는 사용자의 선호와 비선호 요소를 명확히 구분하고, 리뷰 속 풍부한 정보를 온전히 반영함으로써 기존 추천 시스템의 구조적 한계를 극복했다”며, “이 기술은 이커머스뿐 아니라 다양한 온라인 서비스에서 추천 품질을 획기적으로 향상시킬 수 있을 것”이라고 밝혔다.

이번 연구는 정보통신기획평가원의 SW스타랩 사업과 방송통신산업기술개발 사업의 지원을 받아 수행되었으며, 한양대 김상욱 교수 연구팀의 손지원 연구원과 한양대 김현준 교수가 공동으로 참여했다.

이 연구 결과는 오는 7월 13일부터 17일까지 이탈리아 파도바에서 열리는 '제48회 ACM SIGIR 국제학술대회(The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval)'에서 “Rating-Aware Homogeneous Review Graphs and User Likes/Dislikes Differentiation for Effective Recommendations”라는 제목으로 구두 발표될 예정이다. 해당 학회는 정보 검색 및 추천 시스템 분야에서 세계 최고 권위를 인정받는 국제 학술대회이다. (끝)

최정훈 기자 jhchoi@etnews.com

Copyright © 전자신문. 무단전재 및 재배포 금지.