Roblox ML 엔지니어 샤오 유, 'Test of Time' 상 수상

로블록스(Roblox)의 머신러닝 엔지니어 샤오 유(Xiao Yu)와 공동 저자들이 제17회 ACM 국제 웹 검색 및 데이터 마이닝 컨퍼런스(WSDM 2024)에서 'Test of Time' 상을 수상한 것을 축하합니다. 'Test of Time' 상은 해당 연구가 학계의 흐름과 방향을 변화시켰음을 인정하고, 역사적인 영향력을 기리는 상입니다. 이 상은 10년 전 발표된 연구 논문 중 지속적인 영향을 미친 논문을 선정하여 수여합니다.

수상 논문인 “Personalized Entity Recommendation: A Heterogeneous Information Network Approach”는 샤오 유가 일리노이 대학교 어바나-샴페인 캠퍼스(University of Illinois at Urbana-Champaign)의 연구원이던 시절인 2014년 WSDM에서 처음 발표되었습니다. 유 박사는 2022년 로블록스(Roblox)에 합류하여 자연어 처리, 컴퓨터 비전, 대규모 언어 모델, 생성형 AI 분야를 연구해 왔으며, 최근에는 실시간 AI 채팅 번역 및 실시간 음성 모니터링 기술 개발에도 참여했습니다.

유 박사는 수상 논문에 대해 “사용자와 항목을 표현하기 위한 메타 경로 기반 잠재 특징(meta-path-based latent features) 개념을 도입했다”고 설명한다. “이는 표현 학습이 추천 시스템 분야의 최첨단 기법이 되기 전의 일이었다. 비록 이 논문이 이종 네트워크와 추천 시스템에서 임베딩이 널리 사용되기 이전에 발표되었지만, 여기서 제시된 관찰 결과와 철학은 많은 연구자들이 이 문제를 재검토하도록 영감을 주었으며, 이 분야에서 혁신적인 연구의 물결을 일으켰다.”

유 교수와 동료들이 발표한 이 연구는 지난 10년 동안 추천 엔진이 점점 더 보편화됨에 따라 상당한 인정을 받아왔다. 유 교수는 “다양한 관계 정보를 통합함으로써, 우리 방법은 추천을 훨씬 더 개인화하여 사용자에게 더 정확하고 관련성 높으며 맞춤형 제안을 제공합니다. 이는 사람들이 관련 없는 추천으로 폭격당하는 오늘날의 정보 과부하 상황에서 매우 중요합니다”라고 말한다.

“이 논문이 발표되기 전까지 그래프 기반 하이브리드 추천 시스템은 주로 사용자가 특정 상품을 이전에 구매했는지 여부와 같은 단일 유형의 관계만을 활용했습니다. 본 연구는 네트워크 내 관계의 이질성을 활용한 최초의 접근 방식 중 하나입니다. 다양한 관계를 모델링함으로써, 제안된 추천 시스템은 사용자 선호도와 상품 특성에 대한 더 풍부하고 미묘한 이해를 포착할 수 있습니다.”

Roblox의 최신 AI 연구에 대해 알아보세요.