유사도 기반 추천을 위한 결측을 포함한 속성 임베딩 모델 연구 = A Study on Attribute Embedding Models with Missing Data for Similarity-Based Recommendation

다국어 초록 (Multilingual Abstract)

This study investigates the impact of AutoEncoder-based imputation methods on similarity-based recommendation performance in attribute-driven systems where missing data frequently occurs. Focusing on environments with limited explicit user-item interactions, such as influencer marketing platforms, we empirically compare two missing data strategies: imputing missing values (Imputed) versus preserving missing states (Masked).
We utilized real-world influencer-campaign data (7,811 samples) and the MovieLens 1M dataset, evaluating five AutoEncoder variants: AE, DAE, MAE, VAE, and CVAE. Missing values were artificially introduced at rates of 10%, 30%, and 50% during testing. Imputation accuracy was measured using MAE, RMSE, and Cosine Similarity, while recommendation performance was assessed via Recall@K and NDCG@K. All experiments were repeated 30 times with statistical significance testing.
Results reveal a critical disconnect between imputation accuracy and
recommendation performance. While AutoEncoder models achieved superior numerical reconstruction, this improvement did not consistently translate to better recommendations. Notably, in real-world data, the MAE model—which showed the highest imputation accuracy—yielded the lowest recommendation performance. The Masked approach, which preserves missing values, often matched or exceeded the performance of sophisticated imputation methods. Conversely, MovieLens data showed that imputation improved recommendation quality, demonstrating
dataset-dependent effects.
t-SNE visualization analysis revealed that imputation-induced over-smoothing reduces discriminative power in the embedding space by collapsing user representations toward the mean. In real service data, missing values exhibit Missing Not At Random (MNAR) characteristics that reflect user-specific signals.
Imputing these values removes meaningful information, while the Masked approach preserves uncertainty and maintains structural diversity in the embedding space.
This study demonstrates the non-correlation between imputation accuracy and recommendation performance, highlighting the necessity of differentiated missing data strategies based on the underlying missing mechanism. Our findings provide theoretical and practical insights for designing attribute-based recommendation systems.
Keywords: Recommender Systems, Missing Data, AutoEncoder, Attribute
Embedding, Similarity-based Recommendation, Data Imputation

국문 초록 (Abstract)

본 연구는 속성 기반 추천 시스템에서 빈번히 발생하는 결측 데이터 문제에 주목하여, AutoEncoder 계열 임베딩 모델을 활용한 결측 대체가 유사도 기반 추천 성능에 미치는 영향을 실증적으로 분석하였다. 특히 인플루언서 마케팅 플랫폼과 같이 명시적 상호작용 데이터가 제한된 환경에서, 결측을 대체하는 방식(Imputed)과 결측 상태를 유지하는 방식(Masked)을 직접 비교함으로써 결측 처리 전략의 효과를 규명하고자 하였다. 실험을 위해 실제 인플루언서-캠페인 데이터 7,811건과 MovieLens 1M 데이터셋을 활용하였으며, AutoEncoder(AE), Denoising AutoEncoder(DAE), Masked AutoEncoder(MAE), Variational AutoEncoder(VAE), Conditional VAE(CVAE) 등 5가지 모델의 결측 대체 성능을 평가하였다. 테스트 단계에서 10%, 30%, 50%의 결측을 인위적으로 생성하고, 결측 대체 정확도는 MAE, RMSE, Cosine Similarity로, 추천 성능은 Recall@K와 NDCG@K로 측정하였다. 모든 실험은 30회 반복 수행하여 통계적 유의성을 검증하였다. 연구 결과, AutoEncoder 계열 모델은 수치적 결측 대체 정확도 측면에서 우수한 성능을 보였으나, 이러한 개선이 추천 성능 향상으로 일관되게 이어지지 않았다. 특히 실제 서비스 데이터에서는 대체 정확도가 가장 높았던 MAE 모델이 추천 지표에서 최저 성능을 기록하였으며, 결측을 대체하지 않은 Masked 방식이 대등하거나 오히려 우수한 추천 성능을 보였다. 반면 MovieLens 데이터셋에서는 결측 대체가 추천 성능 향상에 기여하는 상반된 결과가 나타났다.t-SNE 시각화 분석을 통해 이러한 현상의 원인을 규명한 결과, 결측 대체 과정에서 발생하는 평균화 효과(Over-smoothing)가 임베딩 공간의 사용자 간 변별력을 저하시키는 것으로 확인되었다. 실제 서비스 데이터의 경우 결측이 사용자 특성을 반영하는 비무작위 결측(MNAR)의 성격을 가지며, 이를 인위적으로 대체할 경우 의미 있는 신호가 소멸되는 반면, Masked 방식은 불확실성을 보존함으로써 임베딩 공간의 구조적 다양성을 유지하였다. 본 연구는 결측 대체의 수치적 정확도와 추천 성능 간의 비상관성을 확인하였다. 또한 데이터의 결측 메커니즘에 따른 차등적 처리 전략의 필요성을 제시함으로써, 속성 기반 추천 시스템 설계에 대한 이론적·실무적 시사점을 제공한다.

목차 (Table of Contents)

• 1. 서론 1
• 2. 관련 연구 4
• 2.1 결측 데이터의 발생 특성과 추천 시스템에서의 의미 4
• 2.2 결측 데이터 대체(Imputation) 연구의 접근 방식과 한계 4
• 2.3 AutoEncoder 계열 모델 기반 결측 대체 연구 5
• 2.4 임베딩 재구성 정확도와 추천 성능 간의 관계 6
• 2.5 결측 대체 수행 여부에 따른 추천 성능 비교 연구의 한계 7
• 2.6 소결 7
• 3. 연구 방법론 8
• 3.1 데이터 구성 및 전처리 8
• 3.2 결측 처리 전략 및 입력 정의 9
• 3.2.1 Masked 입력: 불확실성 정보의 유지 9
• 3.2.2 Imputed 입력: 데이터 분포의 대체 9
• 3.3 속성 임베딩 모델 및 결측 대체 방식 10
• 3.4 결측 시나리오 정의 및 대체 성능 평가 11
• 3.5 유사도 기반 추천 구조 12
• 4. 실험 결과 14
• 4.1 결측 대체 성능 분석 14
• 4.2 유사도 기반 추천 성능 분석 16
• 4.2.1 Masked 조건과 Imputed 조건의 비교 16
• 4.2.2 수치적 정확도와 추천 성능의 상관관계 관찰 17
• 4.3 반복 실험 기반 성능 비교 18
• 4.3.1 실데이터 반복 실험 결과 18
• 4.3.2 MovieLens 1M 데이터셋 반복 실험 결과 18
• 5. 분석 및 논의 19
• 5.1 결측 대체 정확도와 추천 성능의 비상관성 19
• 5.2 반복 실험 기반의 데이터셋별 비교 분석 19
• 5.3 Masked 방식의 추천 성능 유지 원인 해석 20
• 5.4 Imputed 방식의 평균화 효과와 구조적 한계 21
• 5.5 t-SNE 시각화를 통한 잠재 공간의 위상 구조 분석 21
• 5.5.1 MovieLens 데이터셋: 사용자 및 영화 임베딩의 안정성 21
• 5.5.1.1 위상의 연속성 유지 22
• 5.5.1.2 국소적 밀도 강화 23
• 5.5.2 실제 서비스 데이터셋: 임베딩 공간의 왜곡과 위상 붕괴 분석 23
• 5.5.2.1 인플루언서(Influencer) 임베딩 공간의 분석 24
• 5.5.2.1.1 표현적 변별력의 약화 24
• 5.5.2.1.2 평균화 효과의 발생 24
• 5.5.2.2 캠페인(Campaign) 임베딩 공간의 기하학적 분리 현상 25
• 5.5.2.2.1 의도적 결측에 따른 위상 왜곡 25
• 5.5.2.2.2 캠페인 속성의 동질화 25
• 5.5.2.3 데이터셋별 시각화 결과 종합 대조 및 고찰 26
• 5.6 종합 논의 및 학술적 시사점 26
• 6. 결론 28
• 6.1 연구 요약 및 결론 28
• 6.2 연구의 시사점 및 기여도 28
• 6.3 연구의 한계점 및 향후 과제 29
• 참고문헌 30
• 부록 32
• A. 추천 성능 상세 수치 및 요약 32
• B. 반복 실험 기반 통계적 유의성 검정 38
• Abstract (English) 41