올리브영 사용자 행동 데이터로 학습한 상품 유사도 언어 모델: 전통적 속성 기반 추천을 넘어선 의미론적 유사도 모델링

기존의 one-hot encoding 기반 유사도 계산 방식은 모든 속성에 동일한 가중치를 부여하여, 중요도가 낮은 속성이 일치할 때 유사도가 과대 평가되는 한계가 있었다.

이를 해결하기 위해 올리브영은 사용자의 탐색형 행동 로그를 활용하여 새로운 레이블을 설계했다. 동일한 검색 키워드 내에서 여러 사용자가 공통적으로 클릭한 상품들을 유사한 관계로 정의함으로써, 사용자의 실제 비교 관점을 데이터화했다.

모델링에는 Sentence Transformer 구조와 MultipleNegativesRankingLoss를 채택했다. 이를 통해 별도의 비유사(negative) 데이터 없이도 유사 관계 데이터만으로 효율적인 학습이 가능하도록 설계했다.

이 모델은 상품명과 속성 등 텍스트 데이터에 담긴 의미론적(Semantic) 이해를 바탕으로, 카테고리별로 다른 속성 중요도를 반영하여 더욱 정교한 유사 상품 추천을 수행한다.