본 논문은 사용자-아이템 상호작용 그래프에 대한 효율적인 대조 학습 모델인 TwinCL을 제안한다. TwinCL은 기존의 그래프 증강 기법을 사용하지 않고, 쌍둥이 인코더를 통해 다양한 대조 관점을 생성하며, 정렬성과 균일성 최적화를 통해 성능과 효율성을 향상시킨다.
スパースなユーザー・アイテム相互作用グラフに対して、従来のランダムな拡張手法を用いずに、双子エンコーダを用いた効率的な対比学習を行うことで、アラインメントと一様性の最適化を通じて推薦精度と学習効率を向上させる。