Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

MOHPER: Multi-objective Hyperparameter Optimization Framework for E-commerce Retrieval System

Created by
  • Haebom

저자

Jungbae Park, Heonseok Jang

개요

본 논문은 전자상거래 검색 시스템을 위한 다목적 초매개변수 최적화 프레임워크인 MOHPER를 제시합니다. 기존의 CTR(클릭률) 중심 접근 방식의 한계를 극복하고, 사용자 참여와 전환율을 모두 고려하여 검색 결과를 최적화하는 것을 목표로 합니다. MOHPER는 베이지안 최적화와 샘플링을 활용하여 CTR, CTCVR(클릭-전환률) 및 기타 관련 목표를 공동으로 최적화합니다. 또한, 다목적 최적화에서 최적 구성을 선택하기 위한 메타 구성 투표 전략 및 누적 학습 접근 방식과 같은 고급 방법을 제안하여 학습 속도와 효율성을 향상시킵니다. 실제 환경에 배포되어 사용자 만족도와 수익 목표 모두를 충족하는 균형 잡힌 최적화의 실효성을 입증했습니다.

시사점, 한계점

시사점:
CTR 뿐 아니라 CTCVR을 포함한 다양한 지표를 활용하여 사용자 참여와 전환율을 동시에 고려한 전자상거래 검색 최적화 프레임워크를 제시.
베이지안 최적화와 고급 초매개변수 선택 방법(메타 구성 투표 전략, 누적 학습)을 통해 효율적인 최적화 달성.
실제 환경 배포를 통한 실효성 검증.
사용자 만족도와 수익 목표 간의 균형 있는 최적화 가능성 제시.
한계점:
CTCVR의 희소성 문제에 대한 구체적인 해결 방안 제시 부족.
제안된 방법의 일반화 가능성 및 다른 전자상거래 플랫폼으로의 확장성에 대한 추가적인 연구 필요.
특정 전자상거래 플랫폼에 특화된 결과일 가능성. 다른 플랫폼에서의 성능 검증이 필요.
👍