연구동향
EIRIC 특집세미나
컴퓨터 통신 AI
Knowledge Distillation Approaches for Accurate and Efficient Recommender System
  • 일시2023년 9월 5일 (화) 오전 11시
  • 연사강성구  Postdoctoral ResearcherUniversity of Illinois Urbana-Champaign
  • 약력 PDF
개최완료
세미나 개요

정보의 양이 폭발적으로 증가하고 있는 오늘날, 추천 시스템은 Naver, Google 등의 웹 페이지 검색 서비스나 Amazon, Netflix 등의 개인화된 아이템 추천 서비스에서 핵심 기술로 사용되고 있다. 특히, 추천 시스템은 무수히 많은 아이템 중에서 사용자에게 가장 적합한 항목들을 선별하여 사용자의 결정을 돕고, 기업의 이윤을 극대화한다는 점에서 전자 상거래(E-commerce) 및 미디어 서비스(OTT)의 필수적인 기술로서 자리 잡았다. 최근 딥러닝 기술의 발전으로 추천 시스템의 정확성(accuracy)은 빠른 속도로 발전해온 반면, 효율성(efficiency) 문제는 지속해서 증가하고 있다. 방대한 양의 파라미터를 갖는 거대 추천 모델은 우수한 표현 능력을 통해 사용자의 복잡한 선호 정보를 정확하게 포착할 수 있으며, 이로 인해 높은 추천 정확도를 갖는다. 그러나, 이러한 거대 모델은 아이템 추천을 위해 높은 계산 비용과 긴 지연시간(latency)을 발생시키며, 낮은 효율성으로 인해 실시간 서비스에서 활용되기 어렵다는 한계를 갖는다. 본 발표에서는 성공적인 추천 시스템을 위한 2가지의 필요조건—정확성, 효율성을 갖춘 모델 생성을 위한 최신 지식 증류 기법들을 소개한다.

동영상

댓글(0)


서울시 동작구 흑석로 84 중앙대학교 전자정보연구정보센터 (우편번호 06974)

전화 : 02-823-5081 E-mail : webmaster@eiric.or.kr

  • 유튜브
  • 인스타
  • 페이스북
  • 트위터
  • 카카오톡