텐센트, 온라인 게임 친구 추천 시스템의 혁신: FROG 모델

텐센트 연구팀이 개발한 FROG 모델은 온라인 게임 친구 추천 시스템의 효율성을 획기적으로 개선했습니다. 다양한 사용자 정보와 친구 관계 그래프를 통합하여 사용자 선호도를 정확히 파악하고, 텐센트 실제 서비스 배포 결과 기존 시스템 대비 우수한 성능을 입증했습니다.

텐센트, 온라온 게임 친구 추천 시스템의 혁신: FROG 모델

모바일 게임의 급성장과 함께 온라인 게임 내 친구 추천 시스템의 중요성이 날로 높아지고 있습니다. 하지만 기존 시스템들은 이미지나 텍스트와 같은 다양한 유형의 사용자 정보(모달리티)와 친구 관계의 그래프 구조 정보를 효과적으로 통합하지 못하는 한계를 가지고 있었습니다.

기존 시스템의 문제점:

• 고차원 구조적 근접성 무시: 사용자 간 복잡한 관계를 제대로 반영하지 못함.
• 모달리티별 사용자 연관성 학습 실패: 이미지와 텍스트 정보를 개별적으로 처리하여 전체적인 연관성을 놓침.
• 국소 및 전역 사용자 선호도 미반영: 사용자의 전체적인 선호도를 파악하지 못함.

FROG 모델의 혁신:

이러한 문제점들을 해결하기 위해 텐센트 연구팀(Qiwei Wang, Dandan Lin, Wenqing Lin, Ziming Wu)은 FROG (Friend Recommendation in Online Games via Modality-aware User Preferences) 모델을 개발했습니다. FROG 모델은 다양한 모달리티의 사용자 특징과 친구 관계 그래프 구조 정보를 종합적으로 고려하여 잠재적 친구를 추천하는 엔드-투-엔드 모델입니다. 이는 사용자의 선호도를 보다 정확하게 파악하고, 더욱 효과적인 친구 추천을 가능하게 합니다.

성과:

오프라인 평가 및 텐센트의 실제 서비스 배포를 통한 온라인 실험 결과, FROG 모델은 기존 방식보다 월등한 성능을 보여주었습니다. 이는 단순한 기술적 발전을 넘어, 온라인 게임 사용자 경험 향상에 큰 기여를 할 것으로 기대됩니다.

결론:

FROG 모델은 온라인 게임 친구 추천 시스템의 혁신적인 발전을 보여주는 사례입니다. 다양한 모달리티와 그래프 구조 정보를 효과적으로 통합한 접근 방식은 향후 다른 분야의 추천 시스템에도 적용될 수 있는 가능성을 제시합니다. 텐센트의 실제 서비스 적용을 통한 검증은 FROG 모델의 실용성과 효과를 명확히 보여주는 중요한 결과입니다.