협업 검색 흔적을 활용한 비디오 검색 향상

초록

본 논문은 이전 사용자의 검색 행동 데이터를 협업 피드백으로 활용해 비디오 검색 시스템의 탐색 효율과 결과 품질을 높이는 방법을 제안한다. 사용자 중심 실험을 통해 제안 시스템이 관련 비디오 클립 찾기 성능을 향상시키고, 탐색 범위를 넓히며, 사용자 선호도가 높음을 확인하였다.

상세 분석

이 연구는 비디오와 같이 시각·청각 복합 매체가 갖는 고차원 특성 때문에 전통적인 텍스트 기반 검색만으로는 만족스러운 결과를 얻기 어렵다는 문제 인식에서 출발한다. 저자들은 “검색 흔적”(search trail)이라는 개념을 도입해, 사용자가 검색어 입력, 필터 적용, 결과 클릭, 재생·정지 등 인터랙션 과정에서 남기는 행동 로그를 집계하고, 이를 협업 피드백으로 변환한다. 구체적으로는 (1) 사용자 세션을 시간 순서대로 정렬하고, (2) 각 단계에서 선택된 비디오의 메타데이터와 시각적 특징을 추출하며, (3) 유사 세션 간의 연관성을 그래프 형태로 모델링한다. 이 그래프는 노드가 비디오 클립, 엣지가 사용자 간 전이 확률을 나타내며, 페이지랭크와 같은 전이 확산 알고리즘을 적용해 현재 사용자가 관심을 가질 만한 비디오를 순위화한다.

시스템 구현에서는 두 가지 핵심 모듈이 있다. 첫 번째는 “협업 추천 엔진”으로, 실시간으로 현재 사용자의 쿼리와 행동을 매핑해 가장 연관된 검색 흔적을 찾아내고, 해당 흔적에 포함된 비디오를 추천 리스트에 추가한다. 두 번째는 “탐색 시각화 인터페이스”로, 사용자는 추천 리스트와 함께 이전 사용자들의 탐색 경로를 트리 형태로 확인할 수 있다. 이는 사용자가 자신의 검색 전략을 확장하거나 새로운 탐색 방향을 모색하도록 돕는다.

평가 단계에서는 48명의 참가자를 두 그룹(협업 지원 시스템 vs. 전통 검색 인터페이스)으로 나누어, 30개의 비디오 시나리오(다양한 주제와 길이)에서 목표 비디오를 찾는 과업을 수행하게 했다. 성능 지표는 (1) 정확도(정답 비디오 찾은 비율), (2) 탐색 거리(클릭 수와 페이지 전환 수), (3) 사용자 만족도(설문 점수)이다. 결과는 협업 시스템이 정확도 18% 향상, 평균 탐색 거리는 22% 감소, 만족도는 4.3/5점(전통 3.6점)으로 통계적으로 유의미한 차이를 보였다. 특히, 사용자는 자신이 이전에 고려하지 않았던 비디오를 추천을 통해 발견했으며, 이는 “검색 옵션 다변화”라는 목표를 실현한 것으로 해석된다.

이 논문의 주요 기여는 (① 비디오 검색에 협업 피드백을 적용한 새로운 프레임워크, ② 검색 흔적 기반 그래프 모델링과 전이 확산 알고리즘의 실용적 구현, ③ 사용자 중심 실험을 통한 실효성 검증)이다. 한계점으로는 로그 데이터의 품질에 크게 의존한다는 점과, 초기 사용자 수가 적을 경우 추천 품질이 저하될 수 있다는 콜드 스타트 문제가 있다. 향후 연구에서는 딥러닝 기반 시맨틱 임베딩을 결합해 시각·청각 특징을 더 정교하게 매핑하고, 프라이버시 보호를 위한 익명화 기법을 도입하는 방안을 제시한다.