참석 후기 ACM WWW 2017 (채동규)

호주 Perth에서 2017년 4월 3일부터 7일까지 5일간 개최된 International World Wide Web Conference에 참석하였습니다. 이 학회는 온라인 데이터를 기반으로 한 빅데이터 분석 및 서비스부터 웹 보안 이슈까지 world wide web과 관련된 다양한 주제를 다루고 있습니다. 올해로 26번째 개최를 이뤘으며, computer science 분야의 top conferences중 하나입니다.

저는 두 편의 포스터 논문을 발표하였습니다. 논문들의 제목은 각각 “A single step approach to recommendation diversification,” “On detecting frauds in comparison-shopping services” 입니다. 첫번째 논문은 추천 시스템이 상품을 추천할 때 정확한 추천 뿐만 아니라 다양한 추천을 할 수 있도록 만드는 것이 주제입니다. 기존 방법들이 취하던 2-step approach의 단점을 개선한 single-step approach를 제안하였으며, 기존 방법들에 비해 accuracy와 diversity가 모두 향상되었습니다. 두번째 논문은 가격비교 서비스에서 이상 사용자 (fraud) 를 찾는 논문입니다. 가격비교 서비스에서의 fraud를 새롭게 정의하고, fraud를 찾는 3가지의 signal을 제안하였습니다. 실제 가격비교 서비스의 데이터를 기반으로 제안하는 방법들의 성능을 평가하였습니다.

동시에 두 편의 포스터를 발표하는 것은 처음 해보는 경험이었습니다. 두 편 모두 의외로 많은 사람들이 관심을 보여서 이것저것 설명하느라 쉴 틈이 없었습니다. 다행히 학회측에서 두 포스터를 인접한 위치에 배치할 수 있도록 배려해 준 덕분에 한결 수월하게 발표할 수 있었습니다. 많은 연구원들이 질문을 하였고 사진을 찍어가는 연구원들도 많았습니다. 저도 틈이 생기면 다른 포스터 발표자에게 질문하며 지식을 얻기도 하였습니다.

이번 WWW 학회에서도 다양한 research track에서 흥미로운 논문들이 발표되었습니다. 저는 그 중 추천시스템 track에 집중하였습니다. 최근 추천 시스템에서는 딥러닝과 접목하려는 시도가 많이 이루어지고 있습니다. 이번 WWW에서도 그런 논문들이 많이 발표되었으며, 대표적으로 “Neural Collaborative Filtering,” “Collaborative Metric Learning,” “What Your Images Reveal Exploiting Visual Contents for Point-of-Interest Recommendation” 등이 흥미로웠습니다. 첫번째 논문은 기존의 matrix factorization을 통해 user-item interaction을 학습하던 것을 딥러닝으로 대신함으로써 더 깊이있는 학습이 되도록 하고, 결과적으로 추천의 정확도 향상을 이룬 논문입니다. 두번째 논문은 collaborative filtering에 metric learning을 접목한 논문입니다. 이 논문은 item feature또한 추천에 활용하는데, item feature를 학습하기 위해 딥러닝을 이용하였습니다. 세번째 논문은 사용자가 SNS에 올린 사진들을 분석해서 point of interest를 학습하고, 이를 추천에 활용하자는 논문입니다. 이 때 SNS의 사진 분석에 딥 러닝을 활용하고 있습니다.

</div>

학회가 열린 도시인 Perth는 호주의 서쪽에 위치한 휴양도시입니다. 도시가 바다와 인접해있고 도시 안에는 각종 공원 및 정원, 동물원 등 자연 친화적인 공간이 많으며 높은 건물들이나 공사장, 발전소 등은 거의 없습니다. 그런 덕분에 도시의 어디에서도 녹색의 아름다운 풍경을 감상할 수 있었고, 공원에 가면 야생 앵무새, 공작새, 펠리칸, 캥거루 등 신기한 동물들을 가까이서 볼 수 있습니다. 대표적인 관광지인 Rottness Island에서는 아름다운 해변도로를 따라 자전거를 타며 여유를 만끽할 수 있었습니다.

끝으로 논문 작성에 큰 도움을 주신 상철선배, 그리고 연구 방향에 대한 조언, 논문 및 포스터 작성, 학회 참석 등에 전폭적으로 지원해주신 김상욱 교수님께 깊이 감사 드립니다.