Youtube 추천 시스템 분석 (0) : preview

Youtube 추천 시스템에 관련된 논문은 2020년 11월 현재 4개가 있다. 이 논문들을 하나씩 리뷰해볼 생각이다. 이 포스트에서는 각 논문의 개괄적인 내용만 알아보도록 하자!

 

1) The YouTube Video Recommendation System (2010)

2010년에 나온 첫 논문이다. 구체적인 내용보다는 추천시스템에 대한 개괄적인 설명을 하고있다. 벌써 10년이나 지난 논문이고, 이 논문이후에 딥러닝의 시대가 도래하면서, 지금보면 꽤나 올드한 방식으로 보인다. 그러나 이 논문에서 사용한 2-stage 방식은 그 이후로도 계속사용하고 있고, 이 논문에서 사용한 방법들은 추천 시스템에서 전처리, 혹은 후처리에 영감을 주는 방법들이 있어 리뷰하려고 한다. (딥러닝으로 다 할수는 없으니까...)

• www.inf.unibz.it/~ricci/ISR/papers/p293-davidson.pdf 

2) Deep Neural Networks for YouTube Recommendations (2016)

두 번째 논문은 2016년에 나왔다. 딥러닝으로 추천 시스템을 구성하는 방법에 대해서 꽤나 상세하게 설명하고 있다. 2010년의 2-stage framework를 그대로 사용하되, 두 과정에서 모두 MLP 모델을 사용한다. 대부분의 추천 논문이 user item interaction 데이터를 주로 사용하는데 비해, 이 논문에서는 각종 side information을 어떻게 사용할수 있는지에 대해서 상세하게 서술하고 있어, 실무에서 추천 시스템을 구축할때 매우 도움이 되는 논문이다.

 

• static.googleusercontent.com/media/research.google.com/ko//pubs/archive/45530.pdf

3) Recommending What Video to Watch Next: A Multitask Ranking System (2019)

세 번째 논문은 2019년에 나온 논문으로 2-stage 구조중 두번째 stage인 ranking system 구조에 대해 포커스가 맞춰져 있다. 개인적으로는 모델구조보다도 selection bias(인기있는 비디오가 계속 상위에 추천되는 현상)를 제거하는 방법이 매우 흥미로웠다.

• daiwk.github.io/assets/youtube-multitask.pdf

4) Practical Diversified Recommendations on YouTube with Determinantal Point Processes (2018)

마지막으로는 2018년에 나온 논문이다. 2018년에 나왔는데 4번째인건 다 이유가 있다!

이 논문에서는 candidate generation(1-stage), ranking(2-stage) 이후에 후처리 단계에 대해서 서술하고 있다. 후처리는 diversity(추천되는 비디오의 다양성)를 높이기 위해서 수행한다. DPP에 대해서 직관적으로 설명해주고, 수도코드도 있어 이해하기가 편하다. (어려운부분도 있다. ㅠㅠ)

 

이제 한개씩 각개격파해보자!