[논문 리뷰] Exploration of the possibility of infusing Social Media Trends into generating NFT Recommendations

Dinuka Ravijaya Piyadigama, Guhanathan Poravi|arXiv (Cornell University)|2022. 05. 03.

Digital Marketing and Social Media인용 수 5

한 줄 요약

이 논문은 사용자 클릭 데이터에 의존하지 않고 실시간 소셜 미디어 트렌드를 NFT 추천에 통합함으로써 개인정보를 보호하는 추천 시스템인 NFT-Trends-RecSys를 제안한다. 자연어 처리(NLP) 기법을 활용한 의견 마이닝과 트렌드 스코어링을 통해 콘텐츠 기반 추천에 공동 필터링과 유사한 관련성을 강화하여, 공개 트렌드 데이터와 임의의 NFT 설명어를 유일한 입력 자료로 사용함으로써 유망한 성과를 달성하였다.

ABSTRACT

Recommendations Systems have been identified to be one of the integral elements of driving sales in e-commerce sites. The utilization of opinion mining data extracted from trends has been attempted to improve the recommendations that can be provided by baseline methods in this research when user-click data is lacking or is difficult to be collected due to privacy concerns. Utilizing social trends to influence the recommendations generated for a set of unique items has been explored with the use of a suggested scoring mechanism. Embracing concepts from decentralized networks that are expected to change how users interact via the internet over the next couple of decades, the suggested Recommendations System attempts to make use of multiple sources of information, applying coherent information retrieval techniques to extract probable trending items. The proposed Recommendations Architecture in the research presents a method to integrate social trends with recommendations to produce promising outputs.

연구 동기 및 목표

• 사용자 상호작용 데이터가 희박하고 개인정보 우려가 존재하는 NFT 마켓플레이스에서 효과적인 추천 시스템의 부족을 해결하기 위해.
• 사용자 관심을 대체할 수 있는 공개 소셜 미디어 트렌드를 활용해 NFT 추천을 향상시킬 수 있는지 탐색하기 위해.
• 사용자 익명성을 유지하면서도 관련성과 시의성을 유지하는 추천 아키텍처를 개발하기 위해.
• 특히 소셜 트렌드를 포함한 다수의 데이터 소스를 하이브리드 추천 모델에 통합하여 NFT의 콜드스터트 및 데이터 부족 문제를 해결하기 위해.
• 사용자 클릭 이력이나 명시적 피드백 없이도 트렌드 기반 스코어링이 시의적이고 관련성 있는 NFT를 효과적으로 식별할 수 있는지 입증하기 위해.

제안 방법

• 사용자 관심의 실시간 대체 지표로 공개 소셜 미디어 트렌드(예: 트위터, 레딧, 디스코드)를 활용한다.
• NFT 및 디지털 자산과 관련된 사용자 생성 콘텐츠를 추출하고 스코어링하기 위해 의견 마이닝과 정서 분석을 적용한다.
• 최신성과 영향력을 가중치로 부여하는 트렌드 스코어 계산 알고리즘을 사용하며, 트렌드 발생 이후 경과 일수를 쇄도 요소로 활용한다.
• NFT 설명어와 소셜 미디어 트렌드 간의 키워드 기반 문자열 매칭을 수행하여 잠재적 관련성을 식별한다.
• 앙상블 모델을 통해 트렌드 스코어를 콘텐츠 기반 특징과 통합하여 최종 추천을 생성한다.
• 정규화 및 명명된 실체 인식(NER)과 같은 NLP 기법을 활용해 매칭 정확도를 향상시키지만, 그 영향력은 정량화되지 않았다.

실험 결과

연구 질문

• RQ1 사용자 클릭 데이터가 개인정보 보호 제약으로 인해 이용 불가능한 상황에서 소셜 미디어 트렌드를 효과적으로 NFT 추천에 활용할 수 있는가?
• RQ2 의견 마이닝과 트렌드 스코어링을 어떻게 조합하여 개인 사용자 데이터 없이도 시의적이고 관련성 있는 NFT 추천을 생성할 수 있는가?
• RQ3 고유한 토큰화된 디지털 자산 환경에서 트렌드 기반 스코어링 메커니즘이 콘텐츠 기반 추천 시스템에 얼마나 기여할 수 있는가?
• RQ4 탈중앙화된 소셜 트렌드를 추천 파이프라인에 통합할 경우, 콜드스터트 NFT를 처리하는 데 시스템의 능력은 어떻게 영향을 받는가?
• RQ5 키워드 기반 매칭의 한계는 무엇이며, NLP 기법은 이를 어떻게 향상시킬 수 있는가?

주요 결과

• 제안된 NFT-Trends-RecSys 프레임워크는 사용자 클릭 데이터를 수집하지 않고도 공개 소셜 미디어 트렌드와 NFT 메타데이터만을 사용하여 관련성이 높은 NFT 추천을 성공적으로 생성하였다.
• 트렌드 스코어 계산 알고리즘이 트렌드 발생 이후 경과 일수를 반영함으로써 시간적 관련성을 효과적으로 포착하여 시의적인 추천을 보장하였다.
• 테스트에 사용된 데이터가 완전히 임의적이고 임의적이었음에도 불구하고 시스템은 놀라운 성과를 보였으며, 이는 스코어링 메커니즘의 강건성을 시사한다.
• 콘텐츠 기반 추천에 소셜 트렌드를 통합함으로써 사용자 익명성을 유지하면서도 공동 필터링과 유사한 기능을 제공하였다.
• 미래의 향상 방안으로 다중 소스 트렌드 집계(예: 레딧, 디스코드, 구글 트렌드) 및 고급 NLP 기법(예: NER, 정규화)을 통합할 경우 추천 품질이 더욱 향상될 것으로 기대된다.
• 이 시스템은 탈중앙화된 추천 엔진으로서 SaaS 모델이나 NFT 마켓플레이스의 피어 투 피어 네트워크에 적합한 잠재력을 보였다.