본 연구는 사용자-아이템 상호작용 그래프에서 긍정적 및 부정적 선호도를 통합적으로 모델링하는 LSGRec 모델을 제안한다.
첫째, 직접적인 부정적 상호작용과 긍정적 상호작용을 통해 1차 선호도를 모델링하고, 고차 선호도는 긍정적 연결을 통해 전파한다. 이를 통해 고차 이종 상호작용에서의 부정적 선호도를 효과적으로 학습할 수 있다.
둘째, 학습된 긍정적 및 부정적 선호도 표현을 활용하여 추천 결과를 생성할 때 부정적 선호도 필터를 적용하여 사용자가 싫어하는 아이템을 제외한다.
셋째, 부호 인식 베이지안 개인화 랭킹, 평점 예측, 직교성 제약 등의 다중 학습 목표를 통해 사용자와 아이템의 표현을 최적화한다.
실험 결과, 제안 모델이 기존 방법들에 비해 추천 성능이 최대 16.21% 향상되었으며, 계산 효율성 또한 우수한 것으로 나타났다.
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések