추천 시스템 연구 동향 분석하기 (3) GNN 모델

2024.07.02 - [AI] - 추천 시스템 연구 동향 분석하기 (2) GNN 기반

추천 시스템 연구 동향 분석하기 (2) GNN 기반

 

.　〃∩ ∧＿∧
　⊂⌒(　･ω･)
　　＼_ っ♥c   목차

1. GCN
2. GAT
3. NGCF

 

GCN (Graph Convolutional Network)

· 그래프에서 CNN 처럼 커널 또는 필터를 이용하여 convolution 연산을 수행하여 그래프의 내재된 정보를 학습하는 모델

· 로컬 그래프 구조와 노드의 특징을 입력값으로 하여, 둘을 모두 인코딩한 히든 레이어를 학습

· 그래프에서의 한 정점과 인접한 이웃 정점들의 데이터로 convolution 연산을 수행하며, 이때 모두 동일한 가중치를 가진다

· 주로 노드 분류나 그래프 임베딩에 사용

 

GAT (Graph Attention Network)

· GCN과 다르게 이웃의 노드에 다른 가중치(attention)를 부여해 히든 레이어를 학습하는 방법

· 가장 많은 영향력을 미치는 노드를 타겟 노드로, 더 큰 가중치를 부여

· GCN보다 유연하게 그래프 구조를 반영

· 주로 노드 분류나 링크 예측에 활용

 

NGCF (Neural Graph Collaborative Filtering)

· 과거 사용자-아이템 관계 자체를 임베딩하지 못했던 한계를 해결하기 위해 등장

· 이분 그래프를 트리 구조로 펼친 모델을 제시하여 고수준의 연결성을 직관적으로 표현

· 주로 온라인 쇼핑몰이나 동영상 스트리밍 플랫폼 같은 분야의 추천 시스템에 사용

· 복잡한 사용자-아이템 패턴을 그래프 형태로 효과적으로 처리

 

---

 

📚 참고 문헌 📚

 

“GCN”, https://glanceyes.com/entry/%EC%B6%94%EC%B2%9C-%EC%8B%9C%EC%8A%A4%ED%85%9C-GNNGraph-Neural-Network%EC%99%80-%EC%9D%B4%EB%A5%BC-%EC%9D%91%EC%9A%A9%ED%95%9C-NGCFNeural-Graph-Collaborative-Filtering%EC%99%80-LightGCN

 

Thomas N. Kipf, Max Welling, 「Semi-Supervised Classification with Graph Convolutional Networks」, 『ICLR』, 2017

 

Petar Veličković, Guillem Cucurull, Arantxa Casanova, Adriana Romero, Pietro Liò, Yoshua Bengio, 「Graph Attention Networks」, 『ICLR』, 2018

 

Xiang Wang, Xiangnan He, Meng Wang, Fuli Feng, Tat-Seng Chua, 「Neural Graph Collaborative Filtering」, 『SIGIR ’19』, 2019