화웨이 광고 플랫폼의 혁신: LLM 기반 자동 그래프 생성 프레임워크 'AutoGraph'의 성공
Rong Shan 등 연구진이 개발한 AutoGraph는 LLM을 활용하여 자동으로 그래프를 생성하는 추천 시스템 프레임워크로, 화웨이 광고 플랫폼에 적용되어 높은 성능 향상을 달성했습니다. 메타패스 기반 메시지 집계와 모델 독립적인 설계를 통해 효율성과 정확성을 높였으며, 향후 AI 기반 추천 시스템 발전에 크게 기여할 것으로 예상됩니다.

최근 그래프 신경망(GNN) 기반 추천 시스템이 주목받고 있지만, 기존 방법들은 미리 정의된 그래프에 의존하여 그래프 생성 단계의 중요성을 간과하는 경향이 있었습니다. Rong Shan 등 10명의 연구진이 개발한 AutoGraph는 이러한 한계를 극복하기 위해 대규모 언어 모델(LLM)을 활용한 자동 그래프 생성 프레임워크를 제시합니다.
AutoGraph의 핵심은 LLM을 이용하여 사용자 선호도와 아이템 지식을 의미 벡터로 변환하고, 벡터 양자화를 통해 잠재 요소를 추출하는 것입니다. 이렇게 얻어진 잠재 요소는 사용자/아이템 노드를 연결하는 추가 노드로 활용되어, 깊이 있는 전반적인 의미를 가진 그래프를 생성합니다. 단순한 규칙이나 크라우드소싱에 의존하는 기존 방식과 달리, LLM의 방대한 지식과 추론 능력을 활용하여 효율적이고 정교한 그래프를 자동으로 생성하는 것이 특징입니다.
더 나아가, AutoGraph는 메타패스 기반 메시지 집계 기법을 통해 의미 정보와 협업 정보를 효과적으로 통합합니다. 이를 통해 추천 정확도를 높이고, 모델에 독립적인 설계를 통해 다양한 백본 모델과의 호환성을 확보했습니다.
세 개의 실제 데이터셋을 이용한 실험 결과, AutoGraph는 기존 방법들을 능가하는 성능을 입증했습니다. 특히 화웨이 광고 플랫폼에 적용된 결과는 놀랍습니다. A/B 테스트 결과, RPM(Revenue Per Mille)이 2.69%, eCPM(eCost Per Mille)이 7.31% 향상되는 성과를 거두었으며, 현재는 수억 명의 사용자에게 서비스를 제공하는 주요 트래픽 모델로 활용되고 있습니다.
AutoGraph는 LLM의 잠재력을 추천 시스템에 효과적으로 적용한 성공적인 사례로, 향후 AI 기반 추천 시스템 발전에 중요한 이정표를 제시할 것으로 기대됩니다. 그래프 생성 단계의 자동화를 통해 추천 시스템의 효율성과 정확성을 획기적으로 높일 수 있다는 것을 보여주는 훌륭한 연구입니다.
Reference
[arxiv] An Automatic Graph Construction Framework based on Large Language Models for Recommendation
Published: (Updated: )
Author: Rong Shan, Jianghao Lin, Chenxu Zhu, Bo Chen, Menghui Zhu, Kangning Zhang, Jieming Zhu, Ruiming Tang, Yong Yu, Weinan Zhang
http://arxiv.org/abs/2412.18241v1