이 연구는 그래프 신경망 네트워크(GNN)와 대조 학습(CL)을 결합하여 추천 시스템의 성능을 향상시키는 방법을 제안한다. 기존 방법들은 구조 및 표현 교란을 통해 대조 뷰를 생성하지만, 이로 인해 협력 정보가 손실될 수 있다는 문제가 있다.
이를 해결하기 위해 본 연구에서는 CoGCL이라는 새로운 프레임워크를 제안한다. CoGCL은 사용자와 아이템을 이산 코드로 매핑하여 더 강력한 협력 정보를 가진 대조 뷰를 생성한다. 구체적으로:
실험 결과, CoGCL은 다양한 공개 데이터셋에서 기존 방법들을 일관되게 능가하는 성능을 보였다. 또한 세부 분석을 통해 제안된 구성 요소들이 그래프 대조 학습 향상에 핵심적인 역할을 한다는 것을 확인하였다.
A otro idioma
del contenido fuente
arxiv.org
Ideas clave extraídas de
by Bowen Zheng,... a las arxiv.org 09-10-2024
https://arxiv.org/pdf/2409.05633.pdfConsultas más profundas