업비트 운영사 두나무가 본사 머신러닝(ML)팀의 개인화 뉴스 추천 연구 논문이 세계 정보검색학회 '시그아이알(SIGIR) 2025'에 채택돼 메인 콘퍼런스에서 발표했다고 16일 밝혔다.

시그아이알은 정보검색 분야에서 영향력 있는 국제 학회 중 하나로 올해 제출된 논문의 약 27%만 채택됐다.

올해 시그아이알 메인 콘퍼런스는 지난 13일(이하 현지시간)부터 6일 동안 이탈리아 파도바 센트로 콩그레스에서 열렸다. 박충원 두나무 머신러닝팀 연구원은 지난 14일 행사장에서 두나무가 개발한 '개인화 뉴스 추천 시스템'의 연구 성과를 담은 논문을 발표했다.

두나무의 논문은 대규모 언어 모델(LLM)을 통해 기존 뉴스 추천 시스템이 이용자 데이터에 대한 의존도를 낮추는 방안을 다뤘다.

기존 뉴스 추천 시스템은 머신러닝 모델의 학습을 위해 클릭 로그, 뉴스 선호도 등의 사용자 데이터를 수집해야 했다. 다만 대규모 데이터 확보의 어려움과 개인정보 침해 우려 문제가 있었다.

두나무 머신러닝팀은 이를 해결하기 위해 가상의 사용자를 시뮬레이션하는 'LAUS(LLM As User Simulator)' 프레임워크를 개발했다.

LAUS는 실제 사용자 데이터 대신 가상의 사용자를 생성해 다양한 상호작용 패턴을 만들어 학습 데이터를 제작한다. 다양한 언어권의 뉴스 추천 시스템과 비교해 실제 사용자 데이터로 학습된 모델과 비슷한 수준의 성능을 보였다. 방대한 데이터를 수집하지 않아도 개인화 서비스를 빠르게 구축할 수 있다는 설명이다.

박 연구원은 "개인화 뉴스 추천 시스템의 품질은 이용자가 원하는 정보를 얼마나 정확히 제공하는지가 핵심"이라며 "고객 정보 보호와 운영 효율성을 모두 충족하는 동시에 정교한 추천 서비스를 제공할 기반을 마련하게 됐다"고 전했다.

chsn12@news1.kr