導入 背景

AI 技術의 導入 背景

네이버뉴스는 韓國에서 使用者 規模가 가장 큰 포털이 提供하는 온라인 뉴스 서비스입니다. 하루 1,300萬餘 名에 達하는 使用者가 네이버뉴스를 訪問하며, 2萬 5千餘 件의 記事가 使用者에게 提供됩니다. 言論社가 提供하는 수많은 記事들 가운데, 네이버는 旣存 手動 配列 方式으로 '모든 使用者에게, 關心 있는 主題와 趣向에 符合하는 記事를 提供하는 것은 어렵다'고 봤습니다.

當時 學界와 産業界에선 콘텐츠 推薦 技術에 對한 여러 硏究가 進行되고 있었습니다. 이런 推薦 技術들은 使用者의 騎士消費 履歷과 題目, 本文 等 記事內容의 關係를 分析해 各 使用者가 關心을 가질 만한 記事를 豫測하는 모델이 主를 이뤘습니다. 이런 技術이 可能하게 된 背景에는 스마트폰의 大衆化로 接續 環境이 모바일로 變化, 로그인 使用者의 比率이 大幅 增加한 것을 于先 들 수 있습니다. 日常에서 스마트폰에 恒常 露出된 使用者는 어플리케이션을 設置하고 로그인 狀態로 서비스를 利用합니다. 자연스럽게 使用者의 騎士消費 履歷이 蓄積되고 이를 알고리즘 推薦에 活用할 수 있게 됩니다. 또한 大容量 데이터를 빠르게 處理하는 빅데이터 技術과 머신러닝(machine learning), 딥러닝(deep learning) 같은 AI學習 技術의 飛躍的인 發展도 重要합니다.

네이버 亦是 環境의 變化와 技術의 發展이란 時代的 흐름 속에서, 言論社의 수많은 記事와 使用者가 남긴 로그데이터(Log Data)를 學習하는 人工知能 技術을 活用하게 됐습니다.

알고리즘 서비스 領域 紹介

네이버는 2019年부터 自體 記事配列을 中斷하고, 言論社가 直接 編輯한 記事를 使用者가 選擇하는 購讀 基盤의 서비스를 提供하고 있습니다. '言論社 編輯(채널)'이라고 불리는 이 서비스는 '生産者에게는 主要 記事의 編輯權을, 使用者에게는 關心 있는 言論社의 選擇權' 을 提供합니다. 다만, 使用者가 '言論社 編輯' 모델만으로 네이버 內 다양한 形態의 記事를 모두 經驗할 수 없기에, AI 알고리즘에 基盤한 推薦 서비스를 '言論社 編輯' 모델의 補完으로 提供하고 있습니다.

네이버가 使用하는 AI 알고리즘은 크게 1. AiRS(AI Recommender System) 라는 個人化 推薦과 2. 뉴스 클러스터링(News Clustering) 이라는 記事의 그룹핑으로 區分할 수 있습니다. 各各의 技術들은 'MY뉴스(모바일 提供)'와 '섹션別 뉴스(모바일/PC 提供)' 領域에서 相互 補完的으로 作動하며, 使用者에게 良質의 記事를 提供합니다.