(네이버 지역 검색 서비스)

"여행하기 좋은 장소라도 시간, 날씨 등의 상황을 고려해 장소 추천이 가능하다. 이외에도 지역이 아니라 맛집과 같은 상점을 중심으로 한 추천 서비스를 준비 중이다. "

김진호 네이버 지역검색TF 개발자는 25일 서울 강남구 코엑스에서 열린 개발자 행사 'DEVIEW2016'에서 딥러닝을 이용한 지역 검색 개발 내용과 향후 과제에 대해 발표했다.

네이버는 지난 5월 여행지 추천 모바일 서비스를 시작했다. 동행자, 목적, 지역 등 검색 사용자의 의도에 따라 여행지를 추천하는 서비스다. 현재는 '아이와 함께', '가족과 함께', '힐링하기 좋은', '체험학습' 등의 분류에 따라 여행지를 추천하고 있다.

지역 검색 서비스를 위해서는 장소의 특성을 이해하는 것이 필요하다. 이때 주로 네이버 사용자들이 블로그에 작성한 여행 후기를 분석한다. 지역검색TF는 블로그 분석을 위해 딥러닝을 이용하고 있다.

김진호 개발자는 "텍스트 마이닝과 같은 기존 방법으로도 할 수 있던 일"이라면서도 "분석할 리뷰가 많고, 분석을 위한 기준을 사람이 직접 관리하는 어려움 때문에 딥러닝을 사용한다"고 설명했다.

다만 답러닝의 경우 학습할 데이터가 많아야 좋은 결과를 낼 수 있다는 제약이 있다. 물론 분석할 블로그 글이 많기 때문에 딥러닝을 이용해 좋은 결과를 얻을 수 있지만, 지역검색TF는 기존 연구결과를 활용해 데이터 양을 늘렸다. 단어의 첫글자와 끝글자 2개만 정확하면 가운데 글자 순서가 바뀌어도 사람들이 단어뜻을 인식한다는 연구다.

예를 들어 '이 연구는 그레이엄 롤린슨이 캠릿브지에서 수행한 연결구과다'라는 문장에서 '캠릿브지'는 '캠브리지'로, '연결구과'는 '연구결과'로 써야 하지만, 잘못 쓴 단어가 들어간 문장도 이해할 수 있다는 것이다. 네이버는 이 방법을 이용해 단어 속의 문자를 섞는 방법으로 학습 데이터를 늘렸다.

하지만 현재 방법은 미리 정해둔 목표값 외에 새로운 값을 설정하기 어려운 문제가 있다. 예를 들어 동행자에 '언니'라는 범주를 설정해 두더라도 '언냐'와 같은 방식으로 인터넷에서 변형하거나 신조어를 만들 경우 각 단어를 일일이 확인하고 포함시켜야 하는 것이다. 또 동행자, 목적, 분위기 등 사전에 설정한 분류 외에 아직 반영하지 못한 사용자가 원하는 분류 혹은 지금까지 생각하지 못한 새로운 분류가 있을 수 있다.

이런 문제를 해결하기 위해 지역검색TF는 사람의 개입을 최소화한 분류법을 만들기 위해 노력하고 있다. 식당을 이용하는 것이 그 방법이다. 식당명은 개발 단계에서 직접 정해주지 않아도 블로그 글을 분석해 추출할 수 있는 기준이다. 이 식당명을 중심으로 사용자들이 언급하는 다양한 특성을 추출한다는 것이다.

김진호 개발자는 "학습 데이터를 만들고 새로운 모델을 테스트하는데 몇 개월의 시간이 걸리지만, 모델을 만든 후 서비스에 적용하는 것은 쉽다"며 "현재 반영되지 않는 분류, 식당명을 중심으로한 분류도 완성되면 곳바로 서비스에 적용될 수 있을 것"이라고 설명했다.

[테크M = 도강호 기자(gangdogi@techm.kr)]