프로젝트 소개
본 과제는 새로 등록된 Cold-start 아이템에 대해 최소한의 유저-아이템 상호작용만으로 아이템 특성을 빠르게 추론하고, 이를 바탕으로 적합한 사용자에게 더 정확히 추천하는 시스템 개발 과제임.
연구 목표는 기존 최신 방식 대비 추천 정확도 10% 이상 향상과 사용자 부정 경험 최소화에 있음. 핵심 연구 내용은 MAML 기반 item embedding 및 상태 embedding 설계, 노출 대상 사용자 선택 방법, 상이한 사용자 그룹 피드백을 반영한 비교 우위 보정 기술 연구임. 기대 효과는 온라인 쇼핑, 뉴스, 영화 등에서 신제품 추천 성능 향상, 사용자 만족도 및 생산자 수익 개선, 서비스 활성화 기여임.