핵심 개념
추천 시스템 연구에서 사용자의 의사결정 과정을 고려하는 것이 중요하며, 이를 위해 추천 시스템 과제를 애플리케이션 시나리오에 맞게 재정의해야 한다.
초록
이 논문은 추천 시스템 연구에서 과제 정의의 문제점을 지적하고 있다. 현재 추천 시스템 연구는 사용자-아이템 상호작용 행렬의 누락값을 예측하는 것으로 과제를 단순화하고 있다. 그러나 실제 추천 시스템은 사용자의 의사결정 과정에 영향을 미치는 다양한 상황 요인을 고려해야 한다.
논문은 사용자, 모델, 아이템의 세 가지 관점에서 추천 시스템의 동적인 특성을 설명한다. 사용자는 현재 상황을 고려하여 의사결정을 내리며, 모델은 사용자의 과거 선호도와 현재 관심사를 모두 반영해야 한다. 또한 아이템의 속성도 실시간으로 변화한다.
따라서 추천 시스템 과제는 애플리케이션 시나리오에 맞게 재정의되어야 한다. 예를 들어 음식 배달 추천의 경우 배달 시간, 사용자의 위치, 과거 주문 기록 등이 고려되어야 한다. 이를 위해서는 현실 세계의 상황 정보를 포함하는 데이터셋이 필요하다. 현재 많이 사용되는 데이터셋은 사용자의 의사결정 과정을 반영하지 못하므로, 이를 개선할 필요가 있다.
통계
사용자 u가 시간 t에 추천 서비스를 요청할 때, 모델은 다음 정보를 고려해야 한다:
사용자 u의 과거 상호작용 기록 Iu
현재 세션에서의 새로운 상호작용 Ic
모든 사용자-아이템 상호작용 기록 U×I
시간 t, 사용자 위치 s 등의 상황 정보 X
인용구
"현재 추천 시스템 연구는 사용자-아이템 상호작용 행렬의 누락값을 예측하는 것으로 과제를 단순화하고 있다. 그러나 실제 추천 시스템은 사용자의 의사결정 과정에 영향을 미치는 다양한 상황 요인을 고려해야 한다."
"추천 시스템 과제는 애플리케이션 시나리오에 맞게 재정의되어야 한다. 예를 들어 음식 배달 추천의 경우 배달 시간, 사용자의 위치, 과거 주문 기록 등이 고려되어야 한다."