[논문 리뷰] Deep Neural Networks for YouTube Recommendations (RecSys 2016)

현재(2021.05 기준)까지 YouTube에서 발표한 논문은 아래 세가지이다.

1. The YouTube Video Recommendation System(RecSys 2010)
2. Deep Neural Networks for YouTube Recommendations(RecSys 2016)
3. Recommending what video to watch next: a multitask ranking system(2019)

이 중 이번 글에서 소개할 2016년 RecSys에 발표된 논문 Deep Neural Networks for YouTube Recommendations 에서는 구글이 YouTube에 어떻게 딥러닝을 적용했는지 잘 드러난다.

Abstract

YouTube의 추천시스템은 가장 크고 정교한 상업추천시스템이라고 언급한다. 그럴만도 한 것이, 사용자의 수로나 컨텐츠의 양 뿐 아니라 특성이 영상(다양한 feature을 가질 수 있음)

딥러닝을 적용하니 성능이 비약적으로 향상됐다는 내용을 가지고 있다. 거대한 추천시스템을 구축할 때 인사이트를 함께 제안한다.

1. Introduction

• YouTube는 끊임없이 올라오는 새로운 영상들로부터 수 억명의 사용자들에게 개인화된 컨텐츠를 제공하기 위한 미션을 항상 가지고 있다.
• 추천시스템에 있어서 세가지 중요한 기준
  1. Scale : YouTube의 수많은 사용자와 코퍼스(영상) 데이터를 처리하기 위한 효율적인 서빙과 특화된 알고리즘이 필요함.
  2. Freshness : 새로운 영상이 업로드 되었을 때 추천에 빠르게 반영이 되어야한다. 동시에 잘 만들어진 영상과 새로운 영상 사이의 밸런스를 조절해야 함.
  3. Noise
     • sparsity와 수많은 외부 요인으로 사용자 행동을 예측하기 어렵다.
• 구현은 TensorFlow를 사용
• Matrix Factorization에 대한 많은 연구가 있었지만, 딥러닝을 활용한 연구는 적었다.