מושגי ליבה
교차 도메인 순차 추천(CDSR)은 사용자 선호도 모델링을 단일 도메인에서 다중 도메인으로 확장하여, 다양한 도메인에서의 상호작용 정보를 통합하고 학습함으로써 추천 성능을 향상시킨다.
תקציר
이 논문은 교차 도메인 순차 추천(CDSR) 문제를 4차원 텐서로 정의하고, 다차원 차원 축소에 따른 다양한 입력 표현을 분석한다. 거시적 관점에서는 다수의 모델에 적용된 다수준 융합 구조와 도메인 간 융합을 위한 다리를 제시한다. 미시적 관점에서는 기본 기술과 보조 학습 기술을 설명한다. 또한 CDSR에 널리 사용되는 공개 데이터셋과 대표적인 실험 결과를 제시하고, 향후 연구 방향을 제안한다.
- 4차원 텐서를 통한 CDSR 문제 정의
- 사용자, 아이템, 시간, 도메인 차원으로 구성된 4차원 텐서로 CDSR 문제를 정의
- 사용자의 도메인 간 순차적 상호작용 정보를 모델링하는 것이 CDSR의 핵심 목표
- 다차원 차원 축소와 다양한 입력 표현
- 사용자, 시간, 도메인 차원을 제거하여 다양한 3차원 텐서로 축소
- 순차 표현, 그래프 인코딩 순차 표현, 부가 정보, 사전 학습 특징 등 다양한 입력 표현 방식 소개
- 거시적 관점: 교차 도메인 정보 융합 구조
- 단일 수준, 이중 수준, 삼중 수준의 다양한 융합 구조 소개
- 도메인 간 정보 공유를 위한 다리로 동일 사용자, 컨텍스트, 클러스터/그룹 등 활용
- 미시적 관점: CDSR 문제 해결을 위한 기술
- 기본 기술: RNN, 어텐션 메커니즘, GNN
- 보조 학습 기술: 전이 학습, 대조 학습, 적대적 학습, 강화 학습, 프롬프트 학습 등
- 데이터셋 및 실험 결과
- 다양한 CDSR 데이터셋 소개
- 대표적인 모델의 실험 결과 비교
- 향후 연구 방향
- 다중 도메인 동시 성능 향상
- 이질적 정보 융합
- 비중첩 정보의 심층 활용
- 프라이버시 보호
- 공정성 및 해석 가능성
- 더 발전된 기술 적용
סטטיסטיקה
사용자 u가 시간 t에 도메인 d에서 아이템 i와 상호작용했는지 여부를 나타내는 4차원 텐서 γ(u,i,t,d)가 주어진다.