http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
네트워크 임베딩을 사용한 Top-N 추천 다양성 개선에 관한 연구
서창원(Changwon Seo),정경중(Kyeong-Joong Jeong),신원용(Won-Yong Shin) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
최근 네트워크 임베딩 (network embedding)을 사용한 추천 시스템에 대한 연구가 활발히 이루어지고 있다. 하지만 이는 주로 정확도에만 초점을 맞춰 이루어지고 있어, 다양성에 대한 부분은 간과되어 왔다. 본 논문에서는 주어진사용자-아이템 평점 및 각 아이템의 장르 데이터를 바탕으로, 샘플링 전략을 통해 다양성이 강화된 signed 이분 그래프(bipartite graph)를 생성하고 수정된 이분 그래프 기반 네트워크 임베딩을 수행하는 새로운 협업 필터링 기반 추천 시스템을 설계한다. 이를 통해 제안한 방법이 top-N 정확도 및 다양성까지 개선할 수 있음을 검증한다.
Changwon Seo(서창원),Kyeong-Joong Jeong(정경중),Won-Yong Shin(신원용) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
최근 네트워크 임베딩 (network embedding)을 사용한 추천 시스템에 대한 연구가 활발히 이루어지고 있다. 하지만 사용자의 선호도를 보다 정교하게 사용한 설계는 간과되어 왔다. 본 논문에서는 주어진 사용자-아이템 평점 정보를 바탕으로 사용자의 선호도를 반영하기 위해 부호를 지닌 (signed) 이분 그래프를 생성하고 이를 양의 그래프, 음의 그래프로 나누어 각각 그래프 신경 회로망 (GNN; graph neural network) 모델을 적용한다. 어텐션 (attention) 모델을 사용하여 최종 임베딩 벡터를 얻고, 부호를 사용한 손실 함수를 통해 이분 그래프 기반 네트워크 임베딩을 수행하는 새로운 협업 필터링 기반 추천 시스템을 설계한다. 이를 통해 제안한 방법이 top-N 정확도를 개선할 수 있음을 검증한다.