Основні поняття
본 연구는 양방향 시간 데이터 증강과 지식 강화 미세 조정을 통해 순차적 추천 모델의 성능을 향상시킨다. 이를 통해 사용자 선호도를 유지하면서도 항목 간 의미 관계를 강화하여 모델의 표현력을 높인다.
Анотація
이 논문은 순차적 추천 시스템의 성능 향상을 위한 새로운 접근법을 제안한다. 기존 연구에서는 단순한 데이터 증강 기법이나 역순 데이터 증강 기법을 사용했지만, 이는 시간적 정합성 문제가 있었다.
본 연구에서는 다음과 같은 핵심 내용을 다룬다:
양방향 시간 데이터 증강 기법을 도입하여 사용자 선호도를 유지하면서도 항목 간 의미 관계를 강화한다.
지식 강화 미세 조정 기법을 통해 데이터 증강으로 인한 정보 이득과 모델의 표현력을 분리한다.
이론적 분석을 통해 제안 기법이 사용자 선호도를 잘 보존함을 입증한다.
실험 결과 제안 모델이 다양한 길이의 순서 데이터에서 우수한 성능을 보임을 확인했다.
Статистика
전체 사용자 상호작용 중 32%가 매우 짧은 길이(3개 이하)의 순서를 가지고 있다.
전체 사용자 상호작용 중 4.2%만이 20개 이상의 긴 길이를 가지고 있다.
Цитати
"순차적 추천 시스템은 사용자의 시간적 선호도를 파악하는 데 필수적이지만, 짧은 사용자 상호작용 순서에서 학습하는 것이 큰 도전과제이다."
"기존 데이터 증강 기법은 순서의 고유한 시간적 역학을 방해할 수 있다."
"제안하는 양방향 시간 데이터 증강 기법은 사용자 선호도를 유지하면서도 항목 간 의미 관계를 강화한다."