Alapfogalmak
지식 그래프를 활용하여 사용자와 아이템의 표현을 동시에 향상시켜 사용자의 동적 관심사를 포착하고 더 정확한 추천을 제공한다.
Kivonat
이 논문은 지식 그래프 기반 추천 시스템 모델인 RKGCN을 제안한다. RKGCN은 지식 그래프를 활용하여 사용자와 아이템의 표현을 동시에 향상시킴으로써 사용자의 동적 관심사를 포착하고 더 정확한 추천을 제공한다.
주요 내용은 다음과 같다:
- 사용자 선호도 집계: 사용자의 과거 상호작용 기록을 지식 그래프에 반영하여 사용자 선호도를 모델링한다. 이를 통해 사용자의 동적 관심사를 포착할 수 있다.
- 엔티티 표현 향상: KGCN을 활용하여 아이템의 이웃 정보를 활용해 아이템 표현을 향상시킨다. 이를 통해 사용자와 아이템의 관계를 더 잘 반영할 수 있다.
- 예측 및 최적화: 향상된 사용자와 아이템의 표현을 활용하여 클릭률을 예측하고, 손실 함수를 통해 모델을 최적화한다.
실험 결과, RKGCN은 3개의 실제 데이터셋에서 5개의 기존 모델들보다 우수한 성능을 보였다. 이를 통해 지식 그래프를 활용하여 사용자와 아이템의 표현을 동시에 향상시키는 것이 추천 성능 향상에 효과적임을 확인할 수 있다.
Statisztikák
사용자와 아이템 간 상호작용 행렬 Y는 다음과 같이 정의된다:
yu,v = 1, 사용자 u와 아이템 v 간 상호작용이 관찰된 경우
yu,v = 0, 그 외의 경우