네이버 뉴스 알고리즘이 다양성을 고민하기 시작했습니다. 물론 그들이 주목하는 다양성이라는 키워드와 여기서 언급할 다양성은 약간의 거리가 존재합니다. 그럼에도 다양성이 검색과 추천 알고리즘의 주요한 키워드로 언급된 것은 무척 고무적인 '사건'이라고 할 수 있을 겁니다. 네이버가 지난 9월15일 발표한 뉴스 알고리즘의 개선 방향 블로그 포스트에는 다양성이라는 단어가 7번 등장합니다. 물론 대부분이 추천

다시 런치 스터디를 재개합니다. 올해 첫 런치 스터디네요. 아시다시피 미디어고토사의 런치 스터디는 유료 구독자를 위한 '부가 혜택' 서비스입니다. 빠르게 변화하는 국내외 미디어 산업의 흐름을 이해하기 위해 함께 공부하자는 취지로 마련된 시간입니다. 2주 단위로 진행된 지난해 방식에 다소 부담을 느끼는 분들이 적지 않아서 올해부터는 월 1회씩 알차게 운영해 보려고 합니다. 건강한

3분만 시간 내어서 응답해주시면 감사하겠습니다.

'권장 사항'(Recommendations) 섹션에는 YouTube, 기타 인터넷 플랫폼, 정책 입안자 및 대중을 위한 명확한 지침이 나와 있습니다

들어가기에 앞서 전제할 내용이 있습니다. 이 글은 네이버 알고리즘 개발자들이 2017년에 발표한 논문 ‘Deep Neural Networks for News Recommendations’를 바탕으로 분석한 것입니다. 이 당시 소개된 AiRS의 버전이 그 상태이진 않을 겁니다. 이미 여러 업데이트를 거쳤을 것으로 추정됩니다. 이 점 이해하시고 읽어주시기 부탁드립니다. AiRS 모델이 해결하고자 한 문제들 너무나도 많은

네이버가 기계가 생산한 기사를 통합검색에 노출하지 않기로 했다는 소식 들으셨나요? 적지 않은 언론사들이 그동안 알고리즘 저널리즘, 즉 기계에 의한 기사 생산을 도입했던 것으로 알고 있습니다. 그렇게 생산된 기사는 네이버로도 전송되고 있고요. 네이버 쪽은 기계가 생산한 기사를 ‘자동생산기사’로 분류한 뒤 뉴스 검색에서 제외하는 결정을 내렸습니다. 이젠 기계 생산 기사의 제목을

원문 : Building the next new york times recommendation engine(2015) Content Based Filtering 첫번째 접근은 키워드 태그를 활용한 추천 엔진의 개발 작동 및 접근 방식 사용자별 30일 간의 열독 히스토리와 기사별 태그를 이용해 유사도를 매칭하는 방식 예를 들어, 클린턴이라는 태그가 포함된 기사 10개를 읽으면, 클린턴이라는 태그 기사를 이후에도 추천해주는 방식

얼마전 개인 선호 분석에 기반한 개인 맞춤형 뉴스 추천 논문을 소개해드린 적이 있는데요. 읽어보니 아래와 같은 방식으로 진행이 되더군요. 제가 배운 바에 따르면 신경망 분석(neural network)은 복잡한 기계학습으로 시간이 좀 걸리고 hidden layer로 인해 결과값에 대한 근거나 이유를 설명할 수 없는 것으로 알고 있습니다. 강의하셨던 교수님은 “상관에게 보고서를

'대중의 지혜' 대한 신뢰“인간의 장점을 판별할 수 있는 민중의 자연적 능력을 의심하는 사람이 있다면, 아테네인들과 로마인들이 계속적으로 탁월한 선택을 한 것을 눈여겨볼 필요가 있다. 이것을 운이었다고 치부할 수는 없다.”(몽테스키외, sprit of th law 2권 2장) “다수가 소수보다 현명하다.”(제임스 서로위키, ‘대중의 지혜’) '대중의 지혜'에 대한 불신“대중은 결코

뉴미디어 뉴스/미디어 스타트업 2007/03/04 17:20 몽양부활 Recommendation에 기반한 Social Media에서 front page 배치 알고리즘은 사이트의 생명 그 자체라 할 수 있습니다. Digg.com이 Social Media의 왕좌 자리를 내주지 않는 것도 2.5년간 수없이 변경해온 그만의 알고리즘 노하우 때문이라고 할 수 있을 겁니다. 더 좋은 뉴스를 더