핵심 요약
왓챠가 GD-SSM으로 인기도 편향을 줄이고 롱테일 작품의 추천 비중을 높이기 위해 L2 Projection과 Degree Prior ψ를 도입하였고, 오프라인 실험에서 전체 Recall@20를 7.2%와 NDCG@20를 9.9% 향상시켰으며 롱테일 성과도 크게 개선했습니다.
구현 방법
- L2 Projection으로 임베딩 벡터의 길이를 매 업데이트마다 1로 정규화하여 업데이트 크기를 균일화
- Degree Prior ψ로 시청 수 기반 노출 편향을 보정하고, positive 샘플의 학습 신호를 증가시키되 불필요한 감소를 방지
- 두 보정의 상호 작용으로 학습 안정성과 롱테일 커버리지 확대를 달성
주요 결과
- 전체 Recall@20 7.2% 상승, NDCG@20 9.9% 상승
- 롱테일에서 Recall@20 39.0%, NDCG@20 61.4% 상승
- 커버리지@20 증가 및 롱테일 비중 상승