추천 시스템은 디지털 플랫폼에서 어떻게 작동하나요?

정보의 자유로운 흐름만큼 민주주의에 필수적인 것은 없습니다. 토머스 제퍼슨이 제안한 것처럼, 계몽된 시민이 민주주의에 필수적이라면 시민들은 정보를 계속 얻을 수 있는 방법이 필요합니다. 대부분의 현대 시대에서 그 역할은 언론, 특히 어떤 뉴스를 출판하고 방송할지 통제하는 편집자와 제작자가 담당해 왔습니다.

그러나 정보의 흐름이 변화함에 따라 뉴스의 배포와 소비가 전통적인 미디어에서 소셜 미디어 및 디지털 플랫폼으로 점차 이동하고 있습니다. 현재 미국인의 4분의 1 이상이 YouTube에서만 뉴스를 얻고 있으며 절반 이상이 소셜 미디어에서 뉴스를 받고 있습니다. 한때 편집자들은 어떤 스토리가 가장 폭넓게 도달해야 하는지 결정했지만, 오늘날 추천 시스템은 사용자가 온라인 플랫폼에서 접하는 콘텐츠와 대량 배포되는 정보를 결정합니다. 결과적으로 이러한 플랫폼의 기반이 되는 추천 시스템과 여기에 포함되는 추천 알고리즘 및 훈련된 모델이 새로운 중요성을 얻었습니다. 정확하고 신뢰할 수 있는 정보가 민주주의의 생명선이라면 추천 시스템은 점점 더 그 핵심 역할을 하고 있습니다.

추천 시스템이 사회에서 중심적인 역할을 차지하게 되면서 점점 더 많은 학자들이 이러한 시스템과 증오심 표현의 확산, 외국 선전, 정치적 극단주의에 이르기까지 다양한 피해 사이의 잠재적 연관성을 문서화했습니다. 그럼에도 불구하고 모델 자체는 일반 대중과 모델을 규제하고 감독하는 정책 커뮤니티 모두에서 제대로 이해되지 않은 채 남아 있습니다. 이 문서는 추천 시스템의 엄청난 중요성과 정보에 입각한 감독의 필요성을 고려하여 추천 시스템이 어떻게 진화했는지, 최신 추천 알고리즘과 모델이 어떻게 작동하는지 살펴봄으로써 추천 시스템의 신비를 밝히는 것을 목표로 합니다. 목표는 연구자와 정책 입안자들이 궁극적으로 그들을 감독하고 관리하는 방법에 대해 정보에 입각한 결정을 내릴 수 있는 기준선을 제공하는 것입니다.

소셜 미디어나 디지털 플랫폼을 운영한다고 가정해 보세요. 사용자가 앱을 열 때마다 흥미로운 콘텐츠를 1초 내에 보여주고 싶을 것입니다. 해당 콘텐츠를 어떻게 표면화하시겠습니까?

가장 빠르고 효율적인 접근 방식은 콘텐츠를 시간별로 정렬하는 것입니다. 대부분의 소셜 네트워크와 디지털 플랫폼에는 방대한 콘텐츠 백 카탈로그가 있기 때문에 가장 최근의 또는 "가장 신선한" 콘텐츠가 무작위로 추출된 콘텐츠보다 더 매력적일 가능성이 높습니다. 따라서 가장 최근 항목을 시간 역순으로 표시하는 것부터 시작하는 것이 좋습니다. 보너스로, 이 접근 방식은 구현하기 쉽고 이해하기 쉽습니다. 사용자는 주어진 콘텐츠를 보는 이유와 앱 작동 방식에 대한 정확한 정신 모델을 항상 명확하게 이해할 수 있습니다. 업계가 이를 뛰어넘는 동안 역연대순 추천 알고리즘은 1세대 소셜 미디어 피드를 구동했으며 오늘날 대부분의 피드가 여전히 "타임라인"으로 알려진 이유입니다.

단순함이 매력적이기는 하지만 순전히 역연대순 피드에는 큰 단점이 있습니다. 즉, 확장성이 좋지 않습니다. 플랫폼이 확장됨에 따라 호스팅하는 콘텐츠의 양은 기하급수적으로 증가하지만 사용자의 자유 시간은 그렇지 않습니다. 따라서 가장 최근에 추가된 콘텐츠는 가장 매력적인 콘텐츠에 대해 점점 더 효과적인 프록시 역할을 하게 됩니다. 더 나쁜 것은 광범위한 청중을 구축하려는 사용자가 다른 사용자 피드의 최상위에 머물기 위해 플랫폼에 새로운 콘텐츠를 넘치게 한다는 것입니다. 결과적으로, 귀하의 앱은 가장 흥미로운 사용자보다는 가장 활동적인 사용자에게 빠르게 편향되게 됩니다. 덜 매력적인 콘텐츠나 노골적인 스팸으로 인해 사용자 타임라인이 넘쳐나기 시작합니다.

이 문제를 해결하기 위해 하드 코딩된 규칙을 만들어 최신 콘텐츠 중에서 우선순위를 지정할 수 있습니다. 예를 들어 다음과 같은 규칙을 작성할 수 있습니다. Nicole이 다른 사용자보다 Dia의 게시물을 더 많이 좋아했다면 오늘 Nicole Dia의 최신 게시물을 다른 항목보다 먼저 표시합니다. 또는 다음과 같은 규칙을 작성할 수도 있습니다. Nicole이 다른 콘텐츠 형식보다 비디오를 더 좋아한다면 친구가 가장 최근에 추가한 비디오가 다른 콘텐츠보다 먼저 Nicol에게 표시되어야 합니다. 이러한 수동 규칙을 혼합하고 일치시킴으로써 속성 및 카테고리 기반 추천 알고리즘은 순전히 역순 피드보다 매력적인 콘텐츠를 더 안정적으로 표면화할 수 있습니다.