기존의 ‘에어스’는 협력필터(Collaborative Filtering, CF) 기술을 바탕으로 비슷한 관심사를 가진 사용자 그룹을 생성, 그룹원들이 많이 읽은 뉴스를 랭킹화해 추천했다. 하지만 CF 기술은 이전에 사용자들이 클릭한 콘텐츠를 기반으로 추천하기 때문에 방금 전 생성된 최신 뉴스를 추천하기 어렵고, 하나의 이슈에 대한 깊이 있는 뉴스 추천에도 한계가 있었다.

이번에 새롭게 추가된 RNN 기술은 사용자 개인의 뉴스 소비 패턴을 학습·예측해 맥락에 따라 추천함으로써 사용자가 읽은 것과 관련된 뉴스를 제공할 수 있다. 이를 바탕으로 CF 기술의 단점을 극복, 새롭게 인입되는 뉴스도 맥락 분석을 통해 빠른 시간 내에 추천할 수 있게 됐다.

네이버는 RNN 기술을 ‘에어스’에 적용하기 위해 뉴스와 같은 문서(Document) 내용을 학습하고, 이를 벡터(Vector)로 변화하는 ‘임베딩 기술(Doc2Vec)’을 활용했다. 벡터화된 각각의 뉴스들은 일련의 뉴스 시퀀스 데이터를 형성하고, RNN은 해당 데이터를 기반으로 확률을 계산해, 이용자가 다음에 읽을 만한 확률이 높은 뉴스를 추천한다.

네이버는 CF기술과 RNN기술 각각의 장점을 적용한 ‘에어스’를 모바일 뉴스판의 ‘에어스 추천 뉴스(베타)’ 영역에 적용, 다양성과 깊이를 모두 갖춘 뉴스 추천 시스템을 구축한다는 방침이다.

최재호 네이버 에어스 리더는 “AI 추천 시스템에 딥러닝을 접목하고, 많은 이용자가 사용하는 실서비스에 적용해 학계 및 업계로부터 큰 주목을 받고있다”며, “뉴스를 시작으로 웹툰, 동영상 등 다른 서비스에서도 CF 기술과 RNN 기술을 결합해 다양하고 깊이 있는 콘텐츠를 동시에 추천할 수 있도록 실험을 이어나갈 것”이라고 말했다.