GNNs3 [논문 리뷰] BPR: Bayesian Personalized Ranking from Implicit Feedback 추천 시스템에서 사용하는 data는 explicit data와 implicit data로 나뉩니다. explicit Data는 사용자가 직접 제공하는 피드백으로 사용자가 자신의 선호도를 명확하게 표현한 데이터를 의미합니다. 예시로는 사용자가 남긴 평점과 리뷰가 있습니다. 반대로 Implicit data는 사용자가 간접적으로 제공하는 데이터로 클릭, 해당 아이템을 본 시간 구매여부 등을 포함합니다. explcit data는 선호도가 명확하게 반영되므로 positive feed back인지 negative feed back인지 labeling을 할 수 있습니다. 반대로 implicit는 아이템의 클릭 여부나 구매 여부가 있으면 1을 아이템에 대한 interaction이 관측되지 않았다면 0으로 labe.. 2024. 9. 20. Spectral Graph Convolutianl Network 그래프는 노드와 간선으로 이뤄져있으며 개체간의 관계에 대한 정보를 다루는 데이터 구조를 말합니다. 위 이미지에서 보이는 점을 node혹은 vertex라고도 부르고 node를 연결시키는 선을 edge라고 부릅니다. 개체는 node로 표현되고 개체간의 관계는 edge로 표현되는 것입니다. Graph Convolutional연산은 기존에 이미지에 적용했던 CNN 연산을 Graph데이터에 확장해서 graph에서 다양한 크기의 지역적인 정보를 추출해 나가는 연산을 의미합니다. 하지만 이미지에서 적용되었던 CNN과 달리 graph에 Convolutional 연산을 직접 적용하는 것은 매우 어려운 일 입니다. 어떤 점이 어려운 지 이미지에 대한 Convoltuon 연산과 비교해 보겠습니다. Covolutional 연.. 2024. 9. 17. NGCF: Neural Graph Collaborative Filtering NGCF 이전의 방법들은 User-ID, Attribute와 같은 pre-existing features를 단순히 Mapping하여 추천 시스템의 embedding으로 사용했다. Node간 관계를 고려하지 않은 채 features를 그대로 이용할 경우 user-item의 높은 차원에서 상호 관계(Collaborative-Signal)를 충분히 반영하지 못하게 된다. NGCF의 저자는 이러한 점을 지적하며 bipartite graph 구조를 활용하여 user-item interaction을 더 반영한 emebdding propagation 방법을 제안했다. Bipartite Graph bipartite graph(이분 그래프)는 그래프에서 노드가 두 개의 집합(집단)으로 나눠진다고 했을 때 같은 집합 .. 2024. 9. 8. 이전 1 다음
