추천 시스템 연구 동향 분석하기 (2) GNN 기반

2024.07.01 - [AI] - 추천 시스템 연구 동향 분석하기 (1) 기존 추천 시스템

추천 시스템 연구 동향 분석하기 (1) 기존 추천 시스템

 

.╭ ◜◝ ͡   ◜◝
(        ´ㅅ`   )
╰ ◟ ◞ ͜     목차
1. 배경
2. GNN 기반 추천 시스템에 대한 간략한 소개

 

 

배경

· 기존 추천 시스템에 관한 연구는 전통적인 협업 필터링(CF) 및 행렬 분해(MF) 기반 연구에서 NCF와 같은 딥러닝 기반 모델로 발전되어 왔습니다.

· 최근에는 딥러닝 알고리즘 중 하나인 그래프 신경망(Graph Neural Network, GNN) 기반 기법을 활용하여 사용자-아이템 관계를 그래프로 파악하는 것이 주류입니다.

· 사용자-아이템 관계는 본질적으로 이분 그래프 구조로 표현할 수 있는데, 이러한 구조는 사용자와 아이템의 협업 관계를 직관적으로 보여줌과 동시에 고수준의 연결성을 표현할 수 있게 만듭니다.

 

GNN 기반 추천 시스템

· 그래프 학습 기반의 추천 시스템은 그래프 임베딩 기술을 활용하여 노드 간의 관계를 모델링

· 인수분해 기반(factorization-based) 방법, 분산 표현 기반(distributed representation-based) 방법 및 신경 임베딩 기반(neural embedding-based) 방법으로 분류 (+ 나아가 수많은 변형들이 등장하며 세션 기반 추천, 관심 지점 추천 등과 같은 다양한 기법이 등장)

· 크게 노드 분류(Node Classification), 링크 예측(Link Prediction), 그래프 분류(Graph Classification) 세 가지 문제를 해결

· 노드 분류

     - 그래프에서 각 노드를 특정 카테고리로 분류

     - 보통 그래프의 일부만 레이블된 상태에서 반지도 학습(semi-supervised learning)을 수행

     - Youtube

· 링크 예측

     - 그래프의 노드들 사이의 관계를 파악하여 두 점 사이의 연결 가능성을 예측

     - 페이스북 친구 추천

· 그래프 분류

     - 그래프 전체를 여러 카테고리로 분류

     - 화학, 생의학, 물리학 등의 산업 분야

 

---

 

📚 참고 문헌 📚

 

“추천 시스템 최신 동향”, https://ysg2997.tistory.com/24

 

Shiwen Wu, Fei Sun, Wentao Zhang, Xu Xie, Bin Cui, 「Graph Neural Networks in Recommender Systems: A Survey」, 『ACM Comput. Surv.』, 37(4), Article 111, 2022, 37 pages

 

“GNN 기반 추천 시스템”, https://medium.com/watcha/gnn-%EC%86%8C%EA%B0%9C-%EA% B8%B0%EC%B4%88%EB%B6%80%ED%84%B0-%EB%85%BC%EB%AC%B8%EA%B9%8C%EC%A7%80-96567b783479