‘로컬’ 슈퍼 앱에서 장기 유저 모델링은 어떻게 달라질까?

장기 사용자 모델링을 통한 추천 시스템 개선 방안을 논의하는 글입니다.

이 글에서는 '로컬' 슈퍼 앱에서의 장기 유저 모델링이 어떻게 변화하는지를 다루고 있습니다. 팀은 Transformer를 통해 유저의 장기 행동 로그를 학습하여 유저 임베딩을 만들고, 이를 추천 모델에 적용하여 성능을 개선하는 과정을 설명합니다. 또한 최근 행동 로그만으로는 파악하기 힘든 지속적인 취향과 반복적인 관심사를 어떻게 반영할 수 있는지에 대해 논의합니다.

The article discusses improvements in recommendation systems through long-term user modeling.

This article addresses how long-term user modeling is changing in 'local' super apps. The team shares their journey of learning long-term user behavior logs using Transformers to create user embeddings, which are then applied to recommendation models. It discusses the challenges of capturing enduring preferences and interests that are not apparent in recent behaviors alone.