네트워크 표현 학습에 기반한 다이버시티를 활용한 추천 시스템 설계

Abstract

최근 네트워크 임베딩 기술을 사용하여 추천 시스템을 개발하는 연구가 활발히 이루어지고 있다. 하지만 대부분의 연구는 추천 정확도를 개선하는 방향으로 수행되었으며, 정확도 이외에 사용자 만족도를 높이는데 있어 중요한 척도로 고려될 수 있는 다이버시티를 개선하는 방향으로의 접근은 활발히 이루어지지 않은 편이다. 본 레터에서는 네트워크 임베딩에 기반을 둔 다이버시티를 개선한 협업 필터링 모델을 제안한다. 제안한 방법이 추천 정확도를 거의 떨어뜨리지 않으며 intra-list distance (ILD) 및 aggregate diversity 측면에서 우수성을 검증한다.