A/B 테스트나 추천 시스템 개발에 필요한 대규모 온라인 사용자 궤적 데이터가 프라이버시 제약과 트래픽 부족으로 구하기 어려운 문제를 해결하는 SimTrace 프레임워크를 제시했다. 실제 사용자 궤적에 근거한 컴퓨터 사용 클라이언트 에이전트로 실제 상호작용을 익명화하고 웹 환경의 시뮬레이션 트윈을 구축해 합성 멀티모달 클릭스트림을 생성한다. 전자상거래 평가에서 SimTrace는 8개 충실도 지표 중 7개에서 경쟁 베이스라인을 능가했고, 합성 데이터로 학습한 모델은 구매 예측 등에서 실제 데이터 학습 모델과 비슷한 성능을 냈다. 실제 데이터에 합성 데이터를 추가하면 다음 행동 예측 정확도가 11.0% 상대적으로 향상됐으며, 공유 가능한 오픈소스로 공개됐다.
- •실제 사용자 궤적과 웹 환경 시뮬레이션 트윈을 결합해 충실한 합성 멀티모달 클릭스트림을 생성하는 SimTrace 제안
- •전자상거래 평가에서 8개 충실도 지표 중 7개에서 경쟁 베이스라인을 능가
- •합성 데이터만으로 학습한 모델이 구매 예측·추천 등에서 실제 데이터 학습 모델과 비슷한 성능 달성
- •실제 데이터에 합성 데이터를 추가하면 다음 행동 예측 정확도가 실제 데이터만 쓸 때보다 11.0% 향상
- •프라이버시 제약 없는 공유 가능한 대안으로 오픈소스 공개
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
SimTrace: Grounded Multimodal User Trajectories Generation for Online User Modeling
- 1.SimTrace, 실제 사용자 궤적 기반 합성 멀티모달 클릭스트림 생성 프레임워크 공개
- 2.컴퓨터 사용 에이전트로 웹 환경의 시뮬레이션 트윈을 만들어 합성 상호작용 궤적 생성
- 3.8개 충실도 지표 중 7개서 경쟁 베이스라인 능가, 구매예측 등 다운스트림서 실데이터급 성능
- 4.실데이터에 합성데이터 추가 시 다음 행동 예측 정확도 11.0%p 상승
왜 중요한가?
프라이버시 제약과 트래픽 부족으로 구하기 어려운 대규모 세밀 사용자 로그 문제를 익명화된 합성 궤적으로 대체 가능함을 보여, A/B 테스트·추천시스템 개발의 데이터 병목을 완화한다.
언급 프로젝트
본문 미리보기
arXiv:2609.38397v1 Announce Type: new Abstract: Virtual clients offer a cost-effective approach to support applications such as A/B testing, recommender system development, and interface evaluation. However, building them requires access to large-scale, semantically faithful, fine-grained online user trajectories. These data are difficult to obtain because proprietary logs are subject to privacy restrictions and small businesses often lack sufficient traffic. Consequently, existing public datas
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 10:40AI 초안
