올리브영 사용자 행동 데이터로 학습한 상품 유사도 언어 모델: 전통적 속성 기반 추천을 넘어선 의미론적 유사도 모델링

핵심 내용

• 올리브영 상품 추천에서 기존 속성 기반 유사도 계산의 한계를 보완하기 위해 상품 문서 간 의미론적 유사도를 학습하는 Language Model 접근을 소개
• 검색 로그에서 같은 키워드로 클릭된 상품 쌍을 유사 레이블로 만들고, Sentence Transformer와 MultipleNegativesRankingLoss로 임베딩을 학습
• 속성 정보가 없는 신규 상품까지 다루기 위해 속성 제거 기반 augmentation을 추가하고, 학습된 모델의 집중 토큰 차이를 카테고리별로 검증

적용해볼 점

• 사용자 행동 로그를 레이블 생성의 근거로 활용하는 설계
• 텍스트 속성 기반 상품 표현을 임베딩 학습으로 연결하는 방식
• 속성 미보유 상품을 고려한 augmentation과 카테고리별 중요도 분석