활용 사례 연구
Scaling Graph Neural Networks for Friend Recommendation: Multi-Hash User Embeddings and Temporal Neighbor Sampling
ARarXiv
수억 명의 사용자, 수백억 개의 엣지를 가진 거대 소셜 그래프 환경에 적용 가능한 GNN 기반 친구 추천 시스템을 개발했습니다.
세 줄 요약
- 고차원 ID 임베딩에 다중 해시를 적용해 메모리 사용량을 줄였고, 시간적 이웃 샘플링 효율 개선으로 A/B 테스트에서 친구 추가율을 16% 높였습니다.
- 단순한 모델 성능 향상을 넘어, 기존 시스템이 처리하기 어려웠던 방대한 데이터 규모와 복잡성을 해결하며 대규모 서비스 적용 가능성을 입증했습니다.
- 본 연구는 194M 사용자, 28B 엣지 규모의 거대 그래프를 대상으로 했으며, 분산 학습 및 추론 프레임워크까지 공개하여 활용도를 높였습니다.
수억 명의 사용자, 수백억 개의 엣지를 가진 거대 소셜 그래프 환경에 적용 가능한 GNN 기반 친구 추천 시스템을 개발했습니다.