Główne pojęcia
사용자의 다양한 행동에 따른 선호도를 효과적으로 모델링하고, 행동 간 개인화된 특징 변환을 통해 정확한 추천을 제공한다.
Streszczenie
이 연구는 다중 행동 추천 시스템을 위한 Disentangled Cascaded Graph Convolution Networks (Disen-CGCN) 모델을 제안한다. 기존 모델들은 사용자의 다양한 행동 선호도를 정확하게 포착하지 못하고, 행동 간 개인화된 특징 변환을 수행하지 않는 한계가 있었다.
Disen-CGCN 모델은 다음과 같은 핵심 구성 요소를 가진다:
-
임베딩 초기화: 사용자와 아이템의 초기 임베딩을 설정한다.
-
분리된 연속 GCN 블록:
- 각 행동에 대해 LightGCN을 사용하여 사용자와 아이템 임베딩을 학습한다.
- 학습된 임베딩을 요인별로 분리하여 독립성을 유지한다.
- 메타 네트워크를 통해 행동 간 개인화된 특징 변환을 수행한다.
-
예측:
- 각 행동에서 사용자의 아이템 요인별 선호도를 주의 메커니즘으로 모델링한다.
- 요인별 선호도를 선형 결합하여 최종 예측 점수를 계산한다.
실험 결과, Disen-CGCN 모델은 기존 단일 행동 및 다중 행동 추천 모델들에 비해 평균 7.07% 및 9.00% 향상된 성능을 보였다. 이는 Disen-CGCN이 사용자의 다양한 행동 선호도와 개인화된 특징 변환을 효과적으로 모델링할 수 있음을 보여준다.
Statystyki
사용자의 다양한 행동에 따른 선호도 요인들은 행동 간 변화한다.
사용자 𝑢1은 가격 요인에 대해 저가 선호, 사용자 𝑢2는 고가 선호를 보인다.
이러한 개인화된 선호도 정보는 행동 간 변환 과정에서 유지된다.
Cytaty
"사용자의 다양한 행동에 따른 선호도를 효과적으로 모델링하고, 행동 간 개인화된 특징 변환을 통해 정확한 추천을 제공한다."
"Disen-CGCN 모델은 기존 단일 행동 및 다중 행동 추천 모델들에 비해 평균 7.07% 및 9.00% 향상된 성능을 보였다."