패스트캠퍼스 환급챌린지 25일차 : 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://abit.ly/lisbva

 

공부 시작

강의 종료

강의장

학습 인증샷

학습후기

 

 

대화형 추천 시스템은 굉장히 흥미로운 개념이다.
이번에 들은 강의는 단순한 UI용 챗봇이 아니라
추천 시스템의 일부로서 '대화'를 어떻게 설계하고, 운영할 것인가에 초점을 맞춘다.

---

대화형 추천이 필요한 이유
기존 추천 시스템은 유저의 행동 로그가 있어야 작동한다.
하지만 cold start 상황, 또는 선호가 자주 바뀌는 도메인(패션, 여행 등)에서는
대화로 유저의 상황과 의도를 파악하는 게 훨씬 유리하다.

예를 들어,
“편하게 입을 여름 옷 뭐 있어요?”
이 한 마디에 ‘반팔 티셔츠’, ‘린넨 반바지’, ‘쿨링 셔츠’ 같은 추천이 바로 따라와야 한다.

대화형 추천 시스템은 그걸 가능하게 해준다.
질문을 통해 유저로부터 선호를 능동적으로 수집하고,
추천 결과에 대한 반응에 따라 실시간으로 후보를 재정렬하거나 보완할 수 있다.

---

대화형 추천의 구조
강의에선 이 구조를 4단계로 정리했다:

유저 발화 이해 (NLU)
유저의 텍스트를 받아 intent와 slot을 추출 (예: 여름 옷 / 편한 / 반팔)

대화 상태 추적 (DST)
현재까지 유저가 언급한 제약조건, 선호, 힌트를 모아서 추천에 반영

정책 결정 (Policy)
다음에 어떤 추천을 할지, 어떤 질문을 던질지를 결정

응답 생성 (NLG)
실제 사용자에게 보여질 추천 결과나 질문을 자연스럽게 만들어냄

 

---

ChatGPT를 활용한 대화형 추천 실험
ch01-12 파트에서는 ChatGPT를 직접 활용해서 대화형 추천을 어떻게 구현할 수 있을지를 보여준다.
핵심은 ChatGPT를 단순한 ‘답변기계’가 아니라
추천 시스템의 컨트롤러 역할로 쓴다는 것이다.

프롬프트를 이렇게 구성한다:

“당신은 여행 전문가입니다.
사용자가 ‘혼자 조용히 쉬고 싶은 여행지’를 찾고 있다고 합니다.
사용자의 취향을 이해하기 위한 질문을 1개만 해주세요.”

이런 식으로 명시적인 역할 + 조건을 입력하면
ChatGPT는 '자연스러운 질문'을 만들어내고,
그에 대한 답을 받아 다음 추천 후보를 줄 수 있게 된다.

이 방식은 특히 탐색 기반 추천(exploratory), 모호한 취향 탐색, 초기 유저 추천에 강력하다.

느낀 점: 추천의 ‘맥락’을 묻는 기술
이 강의를 들으면서 든 생각은
기존 추천 시스템이 유저 행동을 “예측”하려 했다면,
대화형 추천은 유저에게 “직접 물어볼 수 있게 해준다”는 점에서
추천의 패러다임 자체를 바꾸는 기술이라는 것이다.

그리고 이건 ChatGPT 같은 대형 언어모델이 등장하면서
기존에는 어려웠던 부분(NLU/NLG)을 상당히 간단하게 처리할 수 있게 된 것도 큰 장점이다.