쇼핑검색&추천
네이버를 포함한 글로벌 쇼핑 검색에 필요한 기반 기술을 담당하고 있습니다.
대용량의 상품 DB를 장애없이 빠르게 검색에 적합한 형태로 가공하고 랭킹과 추천에 중요한 정보를 추출하는 데이터 엔지니어링, 사용자의 검색어를 분석해 쇼핑 검색에 필요한 정보를 추출, 여러가지 랭킹 요소들을 고려한 최적의 랭킹 모델링, 서비스 로그를 바탕으로 쇼핑 검색 인사이트 도출하는 업무를 주로 하고 있습니다.
네이버, 라인, 글로벌 쇼핑서비스의 추천 AI 기술 및 서빙 플랫폼을 담당하고 있습니다.
1) 쇼핑추천 AI 기술 연구 & 개발
사용자 행동 분석 / 상품 데이터 분석을 기반으로 Item2Item / User2Item 등의 다양한 AI 추천기술을 연구하고 있으며, 실 서비스 적용을 통한 온라인 평가 및 최적화된 서비스 기술을 개발하고 있습니다. 이와 같이 사용자의 추천서비스 만족도를 높이는 것이 주요 목표입니다.
2) 쇼핑추천 백엔드 & 서빙 시스템 개발
실시간으로 수집되는 사용자의 변화된 행동에 따라 AI 추천모델을 인퍼런스하는 백엔드 기술과 서비스 프론트에 개인화된 추천 결과를 제공하는 API 서빙 기술을 개발하고 있습니다. 이와 같이 안정적으로 개인화 추천 데이터를 관리하고, 빠르고 신속한 추천시스템을 구축하는 것이 주요 목표입니다.
네이버, 라인, 글로벌 쇼핑 검색 상품을 분석하고 클러스터링 하기 위한 AI플랫폼을 연구 하고 있습니다.
상품의 이름과 설명, 그 외의 다양한 속성으로 구성된 텍스트와 이미지로부터 중요 정보를 추출하고, 이러한 정보들을 토대로 유사 상품간의 연관성을 분석하여 클러스터링 하는 것이 주요 업무입니다.
많은 연산량을 필요로 하는 머신러닝/AI 기술을 더욱 확장하기 위해 모델 자체의 개선 뿐만 아니라, 대규모 데이터 처리 플랫폼의 성능을 최대로 끌어내는 백엔드 기술 개발을 병행하고 있습니다.
현재는 동일 상품을 넘어, 유사 상품 간의 속성 별 세부 비교가 가능한 클러스터링을 위해 연구를 확장하고 있습니다.
Last modified 1yr ago