두나무, 사용자 없이 뉴스 추천 기술력 세계 인정

두나무 머신러닝팀이 개발한 개인화 뉴스 추천 연구논문이 세계적 권위의 정보검색 학회인 ‘SIGIR 2025’에서 채택돼 발표됐다.

17일 두나무에 따르면 SIGIR(The 48th International ACM SIGIR Conference on Research and Development in Information Retrieval)은 정보검색 분야 최고 수준의 국제학회다. 올해 제출된 논문 중 약 27%만이 채택됐다.

올해 SIGIR의 메인 컨퍼런스는 지난 13일(현지시각) 개최돼 오는 18일까지 이탈리아 파도바 센트로 콩그레스에서 열렸다. 박충원 두나무 머신러닝팀 연구원이 직접 참석해 성과를 발표했다. 논문 제목은 ‘LLM 기반 사용자 시뮬레이터: 실제 사용자 상호작용 없이 뉴스 추천 모델을 학습하기 위한 방법론’으로, 실제 이용자 데이터를 수집하지 않고도 뉴스 추천 모델을 훈련하는 프레임워크인 ‘LAUS(LLM As User Simulator)’를 제안했다.

LAUS는 대규모 언어 모델(LLM)을 활용해 가상 사용자를 생성한다. 또 이들의 상호작용 패턴을 기반으로 학습 데이터를 만들어 추천 모델을 훈련하는 방식이다. 해당 연구는 실제 사용자 로그 없이도 기존 모델 수준의 성능을 구현했고, 다양한 언어권 뉴스 추천 시스템에서도 효율적인 결과를 보였다.

박충원 연구원은 “개인화 뉴스 추천 시스템 품질은 이용자가 원하는 정보를 얼마나 정확히 제공하는가와 직결돼 서비스 만족도를 높이는 핵심 요소”라며 “이번 연구를 통해 고객 정보 보호와 운영 효율성을 모두 충족하면서 더욱 정교한 추천 서비스를 제공할 수 있는 기반을 마련하게 됐다”고 말했다.