개인화 매거진 추천 시스템
회사 프로젝트이므로 공개 가능한 범위의 목표, 시스템 구성, 제 기여와 현재 진행 상황만 정리했습니다.
회사에서 진행 중인 프로젝트입니다. 사전 정의 카테고리만으로는 포착하기 어려운 틈새 관심사와 잡지 간 연결을 기사 단위에서 이해하고, 추천 이유를 설명할 수 있는 구조를 설계했습니다.
문제와 목표
기존 카테고리 중심 추천은 같은 범주 안의 세부 관심사와 서로 다른 잡지 사이의 의미적 연결을 충분히 반영하기 어렵습니다. 이를 콘텐츠 이해, 사용자 표현, 후보 생성, 정책 랭킹의 네 계층으로 나누고 정확도·다양성·신규 콘텐츠 노출 사이의 균형을 다루는 것을 목표로 했습니다.
제안 아키텍처
LLM facet 태깅과 엔티티 정규화, 기사·이미지 임베딩으로 콘텐츠 지식 그래프를 구성합니다. 벡터 검색, Personalized PageRank, 커뮤니티 탐색으로 서로 다른 근거의 후보를 만든 뒤 맥락 리랭킹, 다양성 제한, contextual bandit 탐색 슬롯을 적용합니다. 추천 경로는 선정 이유 생성과 다음 추천의 피드백으로 활용합니다.
기여와 진행 상황
- 기존 방식의 한계를 정의하고 LLM·그래프 기반 대안 아키텍처를 직접 제안했습니다.
- Neo4j 기반 기사·주제·인물·사용자 행동 관계와 PPR·커뮤니티 탐색을 포함한 서빙 구조를 설계했습니다.
- 열람 시간, 페이지 전환, 확대, 재방문 신호를 추천 경로별 가중치에 반영하고 효과를 검증하는 실험 계획을 수립했습니다.
현재 추천 API를 개발 중이며, 이 페이지는 완성된 제품 성과가 아니라 설계와 진행 상황을 설명합니다.
LLM · LangGraph · Neo4j · Personalized PageRank · Leiden · Contextual Bandit