KCC 2020에 학부생 논문을 냈습니다
in Programming
이번 7월 2일부터 4일까지 온라인으로 개최된 한국정보과학회 KCC2020에 학부생 논문 자격으로 포스터 세션에 참여했습니다. 제 연구주제는 현행 유튜브 영상 추천 알고리즘을 좀 더 효율적으로 개선하는 것이었습니다. 쉽지 않은 주제였기 때문에 처음에는 프로젝트를 진행하는 게 막막했지만, 팀원들의 도움 덕분에 어떻게 서비스 형태로 개발도 하고 논문도 완성해서 제출할 수 있었습니다.
구체적으로 설명하자면 저희가 작성한 논문의 제목은 비디오 벡터를 이용한 내용 기반 유튜브 영상 추천 시스템이었습니다. 현재 유튜브 추천 알고리즘은 영상 내용을 동적으로 분석하지는 않고, 다른 메타 요소들(영상 설명, 조회수, 영상 시청 유형 등)을 이용해 간접적으로 영상 관련도를 예측하고 있습니다. 그런데 영상 자체를 분석하는 기술도 꽤 정확도 높은 수준으로 발전해 왔으므로, 영상을 동적으로 분석하면 더 정확도 높은 추천 결과를 얻을 수 있지 않을까? 하는 게 핵심 발상이었습니다.
영상에서 태그를 추출하고, 태그를 워드 벡터화시키고, 그 벡터들을 모아 비디오 벡터로 만드는 등.. 영상을 대표하는 비디오 벡터를 만들어서 각 비디오 벡터 간의 유사도를 계산하는 것이 저희가 만든 추천 모듈의 코어 알고리즘입니다. 추천하는 유튜브 영상들은 Youtube-8M 3rd Dataset을 사용했으며 자세한 구현 내용은 해당 프로젝트의 Github 리포지토리나 논문에서 확인할 수 있습니다.
뭔가 복잡해 보이지만 사용자가 영상을 업로드하면 내용 면에서 연관이 있는 유튜브 영상 링크들을 추천해주는 시스템 으로 요약할 수 있겠습니다.
다만 구현이 끝난 지금도 아쉬운 점이 있습니다. 논문 결과만 보자면 나름 괜찮은 정확도를 보이고 있긴 하나 이게 과연 좋은 아이디어였을까, 비디오 벡터를 만드는 알고리즘이 핵심인데 이게 실제로 개선의 여지가 있을까 등등 답이 안 나오는 문제들 때문에 계속 고민했습니다. 비디오 처리에 대한 도메인 지식이 없었기 때문에 프로젝트 전반적으로 과연 이 아이디어가 진짜 될까??? 하는 불확실함이 깔려 있었어요. 사실 이 부분은 대학원을 가지 않으면 해결이 안 될 것 같지만요;;
무엇보다 논문에서는 영상에서 먼저 태그 벡터를 뽑아낸 후에 이걸 비디오 벡터로 변환하는 과정을 거치는데, 태그 벡터를 거치지 않고 영상 자체의 피쳐만 분석해서 비디오 벡터를 생성하는 방법도 있을 것 같습니다. 사실 이것도 불확실한 추론의 영역이긴 하지만, 태그 벡터 생성 과정을 생략하면 더 좋은 결과를 낼 수 있을 것이라고 생각합니다.
원래는 부산 벡스코에서 열리는 오프라인 학술 행사였는데 이번 회차에는 코로나 시국 때문에 온라인으로 전환해서 개최되었습니다. 그래서 포스터 세션이지만 포스터를 만들지 않고 동영상으로 대체해서 웹에다가 공개하는 식으로 진행되었습니다. 포스터 만드는 게 귀찮아서 꽤나 심리적 압박이 됐었는데 포스터를 만들지 않아도 되어 다행이었네요.
아무튼 2020 한국컴퓨터종합학술대회 논문집 509번(pp.1495-1497)에 해당 소논문이 등록된 것까지 확인했습니다. 학부생 신분으로 논문을 쓰게 될 줄은 몰랐는데 어떻게 학술집까지 등록이 되어 뜻깊습니다. 이번 학기에는 코딩한 양보다 논문 혹은 보고서 쓴 양이 훨씬 많은 만큼, 방학 때는 개발자로서의 내실을 좀 더 탄탄히 다져야겠네요.
아, 프로젝트에 직접적으로 관련된 이야기는 아니지만 코딩 프로젝트 할 때 슬랙을 도입하는 게 참 좋은 것 같다고도 다시금 느꼈습니다. 채널을 여러 개 파서 각종 자료들을 박제해 둘 수 있다는 게 정말 좋고, 시간대 별 알람 설정으로 새벽에도 부담없이 자료들을 공유할 수 있다는 것도 큰 강점이었습니다. 작성한 자료가 워낙 많아서, 만약 이 프로젝트를 카톡방에서 진행했으면 자료 관리하는 데만 수백 광년 걸렸을 것 같아요…
만약 주면에 슬랙을 사용해 보지 않은 개발자가 있다면 팀 프로젝트에서 사용하도록 꼭 한번쯤 권해 보고 싶습니다. 생산성이 정말 달라요.
8월 중에 해당 논문으로 학부생부문 장려상을 받았습니다. 이번 연구를 바탕으로 다음엔 더 좋은 결과를 낼 수 있었으면 합니다.
