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 클릭률(CTR) 중심 접근 방식의 한계를 극복하고, 클릭 전환율(CTCVR)을 포함한 다양한 지표를 활용하여 사용자 참여와 매출 목표를 동시에 달성하는 최적화를 수행합니다. 베이지안 최적화와 샘플링 기법을 사용하며, 메타 구성 투표 전략 및 누적 학습 접근 방식과 같은 고급 초매개변수 선택 방법을 제안하여 학습 속도와 효율성을 향상시킵니다. 실제 환경에 배포되어 그 효과를 검증하였습니다.

시사점, 한계점

시사점:
CTR과 CTCVR을 동시에 고려하여 사용자 참여와 전환율을 모두 향상시키는 효과적인 전자상거래 검색 시스템 최적화 프레임워크를 제시합니다.
베이지안 최적화와 고급 초매개변수 선택 방법을 통해 학습 속도와 효율성을 높였습니다.
실제 환경에서의 배포를 통해 프레임워크의 실효성을 검증하였습니다.
한계점:
CTCVR 데이터의 희소성 문제에 대한 구체적인 해결 방안이 부족할 수 있습니다.
제안된 고급 초매개변수 선택 방법들의 일반화 가능성에 대한 추가적인 연구가 필요할 수 있습니다.
특정 전자상거래 플랫폼에 특화된 결과일 가능성이 있으며, 다른 플랫폼으로의 일반화에 대한 검증이 필요합니다.
👍