Enhancing Ad Relevance: Integrating Real-Time Context into Sequential Recommender Models
Author: Pinterest Engineering | Source: Pinterest Engineering Blog (Medium) | Published: 2026-05-09
한 줄 요약
Pinterest는 사용자의 오프사이트 전환 이력에 현재 핀의 실시간 컨텍스트를 결합하는 Contextual Sequential Two Tower 모델을 도입하여 Recall@K를 3-10배, 관련성을 275-300% 향상시켰다.
핵심 주장/내용
- 기존 시퀀셜 추천 모델에 현재 핀 피처(실시간 컨텍스트)를 결합하는 Context Layer를 Transformer 인코더 출력에 연결했다
- 학습 시 합성 증강 데이터를 사용하며, 긍정 레이블의 컨텍스트에 높은 드롭아웃을 적용하여 과적합을 방지했다
- 하이브리드 서빙 전략: 오프라인 Transformer 추론 결과를 Feature Store에 저장하고, 온라인에서는 Context Layer + MLP만 실시간 실행한다
- Two Tower 구조를 활용하여 오프라인/온라인 연산을 분리함으로써 서빙 지연시간을 최소화했다
주요 수치 / 사실
- Recall@K: 3-10배 개선
- Related Pins 중간값 관련성: 약 275-300% 향상
- 전체 ROAS: 약 0.7% 상승
- 상위 국가 ROAS: 약 1.4% 상승
관련 위키
Source: 원문 보기