백엔드
포스타입이 개인화 추천을 하는 방법 1부
두줄요약
포스타입의 개인화 추천이 태그 한계를 벗어나 벡터와 하이브리드 검색으로 동작하는 방식을 설명했습니다. 오프라인 검증과 A/B 테스트를 통해 추천 성과가 개선된 사례도 함께 소개했습니다.
핵심 내용
- 포스트와 유저 행동을 임베딩해 같은 벡터 공간에서 추천하는 개인화 추천 방식 정리
- 코사인 유사도 기반 k-NN, OpenSearch의 HNSW ANN 검색, 샤딩과 replica를 활용한 서빙 구조 설명
- BM25와 벡터 검색을 결합한 하이브리드 검색, 태그 DF 기반 가중치 조정, 콘텐츠 기반·협업 필터링 병행
- 오프라인 hit rate 검증과 프로덕션 A/B 테스트에서 구매 건수 15% 증가 성과 공유