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.
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Bowen Zheng,... ב- arxiv.org 09-10-2024
https://arxiv.org/pdf/2409.05633.pdfשאלות מעמיקות