Alibaba의 전자상거래 추천을 위한 행동 시퀀스 트랜스포머

딥러닝 기반 방법이 산업용 추천 시스템(RSs)에서 널리 사용되고 있습니다. 이전 연구들은 원시 특성을 저차원 벡터로 임베딩한 후, 이를 MLP에 입력하여 최종 추천을 생성하는 임베딩&MLP 패러다임을 채택하였습니다. 그러나 대부분의 연구는 사용자의 행동이 순차적이라는 점을 무시하고 다른 특성을 단순히 연결(concatenate)하였습니다. 본 논문에서는 알리바바의 추천 시스템에서 사용자의 행동 시퀀스 내부에 존재하는 순차적 신호를 포착하기 위해 강력한 트랜스포머(Transformer) 모델을 제안합니다. 실험 결과, 제안된 모델의 우수성이 입증되었으며, 이 모델은 타오바오에서 온라인으로 배포되어 두 기준모델(baselines)과 비교하여 온라인 클릭률(CTR)에서 유의미한 개선을 보였습니다.