클릭률 예측을 위한 특성 상호작용 선택을 위한 인지 진화 탐색

지능형 마케팅 시스템에서 클릭률(Click-Through Rate, CTR) 예측은 매우 중요한 과제이며, 이 과정에서 특성 간 상호작용 선택이 핵심적인 역할을 한다. 기존의 대부분의 접근 방식은 전문가의 지도 하에 동일한 사전 정의된 연산을 통해 특성 간 상호작용을 모델링하지만, 부적절한 상호작용은 불필요한 노이즈를 유발하고 학습 과정을 복잡하게 만들 수 있다. 이를 해결하기 위해 본 논문에서는 작업 지도 하에 특성 쌍 간의 적절한 연산을 자동으로 진화시켜 선택할 수 있는 모델을 제안한다. 자연 진화를 영감으로 삼아, 인지 능력(organism이 환경에 적응할 수 있는 유연성)을 의미하는 일반적인 인지 진화 탐색(Cognitive EvoLutionary Search, CELS) 프레임워크를 제안한다. 구체적으로, 상호작용을 유전자(genome)로, 모델을 생물체(organism)로, 작업을 자연 환경(environment)으로 정의한다. 유전적 유연성이 환경 적응력을 발전시키는 것처럼, 모델의 적합도(fitness)를 진단하여 자연 선택을 시뮬레이션함으로써 생물체의 생존율을 모사하고, 진화 경로를 계획하고 시각화할 수 있다. 이는 상호작용 모델링 및 선택의 메커니즘에 대한 직관적인 해석을 제공한다. CELS 프레임워크를 기반으로 개별 기반 탐색과 집단 기반 탐색을 포함한 네 가지 구현체를 개발하였다. 개별 돌연변이와 집단 교배(crossover)를 통해 CELS가 다양한 작업과 데이터에 적합한 다양한 모델로 진화할 수 있음을 보여주며, 즉시 사용 가능한 모델을 제공한다. 실제 데이터셋을 활용한 광범위한 실험 결과, CELS가 최신 기술보다 뛰어난 성능을 보임을 입증하였다.