Core Concepts
다음 장바구니 추천 문제에서 정확도 이외의 성능 지표(다양성, 공정성 등)를 향상시킬 수 있는 "지름길" 전략이 존재할 수 있다. 이를 검증하기 위해 반복 아이템과 탐색 아이템을 별도로 다루는 TREx 프레임워크를 제안하였다.
Abstract
이 논문은 다음 장바구니 추천(NBR) 문제에서 정확도 이외의 성능 지표(다양성, 공정성 등)를 향상시킬 수 있는 "지름길" 전략을 제안하고 검증한다.
주요 내용은 다음과 같다:
반복 아이템 추천은 쉽고 정확도가 높지만, 탐색 아이템 추천은 어렵고 정확도가 낮다는 기존 연구 결과를 바탕으로, 반복 아이템 추천을 통해 정확도를 확보하고 탐색 아이템 추천을 통해 다양성과 공정성을 향상시키는 "지름길" 전략을 제안한다.
이를 위해 반복 아이템 추천 모듈과 탐색 아이템 추천 모듈을 별도로 설계한 TREx 프레임워크를 제안한다. TREx는 반복 아이템 추천 모듈을 통해 정확도를 확보하고, 탐색 아이템 추천 모듈을 통해 다양성과 공정성을 향상시킨다.
실험 결과, TREx는 기존 방법 대비 다양성과 공정성 지표에서 전반적으로 우수한 성능을 보였다. 그러나 정확도와 강한 연관성이 있는 공정성 지표의 경우 이 "지름길" 전략을 활용하기 어려움을 발견했다.
이를 통해 NBR 문제에서 정확도와 다양성/공정성 간의 균형을 달성하는 것이 쉽지 않음을 확인하였다. 기존 평가 방식의 한계를 지적하고, 향후 연구 방향을 제시한다.
Stats
반복 아이템이 대부분의 사용자 인지 정확도에 기여한다.
반복 아이템 추천은 쉽지만, 탐색 아이템 추천은 어렵다.
반복 아이템 추천 모듈의 정확도 성능은 시간 감쇄 요인과 아이템별 반복 특징을 고려할수록 향상된다.
Quotes
"반복 아이템이 대부분의 사용자 인지 정확도에 기여한다."
"반복 아이템 추천은 쉽지만, 탐색 아이템 추천은 어렵다."