SKT, 정보 검색 학회 ‘SIGIR 2024’서 우수 논문상 수상

SIGIR 2024 우수 논문상(Best Paper Honorable Mention)./제공=SKT

SK텔레콤은 지난 달 미국 워싱턴 DC에서 개최된 정보 검색 분야 학회인 SIGIR 2024(International ACM SIGIR Conference on Research and Development in Information Retrieval)에서 자체 개발 추천 모델 알고리즘 연구가 우수 논문상(Best Paper Honorable Mention)을 수상했다고 5일 밝혔다. SKT는 자체 개발 기술을 통해 초개인화 서비스를 선보이고 이를 통해 AI컴퍼니로서의 진화를 가속한다는 계획이다.

이번에 수상한 논문은 SKT의 'One Model 버전 2.0'에 관한 연구로, 다양한 서비스 도메인의 데이터가 서로 시너지를 내어 추천 예측 성능을 향상시키는 알고리즘을 제안했다.

이 논문은 해당 알고리즘의 참신성, 상용 배포 실증성, 방대한 실험을 통한 결과의 신뢰성 등에서 높은 평가를 받아 접수 논문 중 상위 0.6%의 논문에게만 수여되는 우수 논문상으로 선정됐다.

자체 개발 추천 모델인 One Model은 작년에 버전 1.0을 개발하여 상용 배포했으며, 해당 모델의 알고리즘 관련 연구는 정보 검색 분야 최우수 학회 중 하나인 CIKM 2023(ACM International Conference on Information and Knowledge Management)에 채택된 바 있다. 이번 One Model 버전 2.0은 버전 1.0 대비 추천 성능을 향상시킴과 동시에 학습 효율성을 높였다.

SKT는 개인의 다양한 종류 행동 로그를 시간 순서에 따라 통합하거나 정제하고, 이번 연구 내용인 'One Model 알고리즘'을 통해 고객의 다음 행동을 예측, 개인화 추천을 수행하고 있다. 예를 들어 요금제 가입 이력, T딜 쇼핑 이력, 멤버십 사용 이력 등 고객의 다양한 서비스 도메인에서의 행동 데이터를 종합적으로 분석하여, 가장 최근 시점에 해당 고객의 니즈와 관심사에 맞는 서비스 혜택이나 상품을 추천하는 방식이다. 이러한 방식의 추천을 다중 도메인 순차적 추천 (Cross-Domain Sequential Recommendation)이라 하며, One Model은 실제로 10개 이상의 서로 다른 데이터 도메인을 동시에 학습해 SKT내 다양한 채널에서의 추천을 하나의 모델로 통합 제공하고 있다.

이 모델을 실제 적용해 본 결과, 기존 추천 방식 대비 최대 3배 이상 고객의 반응률을 향상시키는 효과를 보았다. 특히 여러 서비스 도메인의 데이터를 효과적으로 활용하기 위해 단일 도메인 학습 모델(Pacer)과 다중 도메인 학습 모델(Runner)을 한 아키텍처로 구성해, 상호 보완하는 학습 방식을 고안했다.

정도희 SKT AI서비스사업부 AI 데이터 담당은 "작년에 이어 올해 역시 세계적인 권위의 학회에서 우수 논문상을 수상하며 SK텔레콤의 AI 역량을 다시 한번 입증했다"며 "앞으로 고도화된 개인화 기술을 자사 서비스 곳곳에 적용해 고객만족도를 더 증가시키고, Global AI Company로의 진화를 가속화할 것"이라고 밝혔다.