graph4 Session-based & Sequential Recommender Systems Basics Session-based recommender systems이란 특정한 시간 구간 동안인 session에 기반한 추천을 의미한다. Session의 길이에 따라서, 유저의 단기적인, 중기적인, 장기적인 interactions나 선호를 기반으로 하여 추천을 하게 된다. 시간의 개념이 들어가기 때문에 유저가 아이템들과 상호작용한 순서를 고려한 Sequential recommender systems와도 연결된다. 여기서는 간단하게 아래의 논문들을 살펴본다. GRU4RecSR-GNNSASRecCaserCL4SRecTransformers4RecBERT4Rec은 재현성의 문제가 있다고 알고 있어서 제외한다. Session-based & Sequential Models GRU4RecGRU4Rec의 논문.. 2025. 6. 20. Socio Based Recommender Systems 사회학에서는 Homophily라는 현상이 있는데, 사람들은 서로 유사한 성향이나 취향을 지닌 사람들끼리 모인다 이야기다. 이 개념은 논문 Birds of a Feather: Homophily in Social Networks에서 제시되었다. (링크) 추천 시스템에서는 2가지 측면에서 이를 추천 성능의 향상에 이용할 수 있다. 첫 번째는 아이템 추천으로 유사한 유저들의 정보를 이용해서 대상 유저에게 아이템을 추천한다.두 번째는 SNS처럼 사람들 간의 관계 추천에서 유사한 유저들을 추천한다. 여기서는 간단하게 아래의 모델들을 살펴본다. SoRecLOCABALGraphRec Social Recommender Systems SoRecSoRec의 논문 이름은 SoRec: Social Recommendat.. 2025. 6. 20. Graph Based Recommender Systems 우선 그래프를 다음 2가지를 활용해서 (링크1, 링크2)에 간략하게 살펴보자면 다음과 같다. 결국, 무언가들의 연결을 알아보기에 좋은 자료 형태다. 추천의 경우 이 사람이 이 영화를 좋아하는 이유가 영화의 장르 때문인지, 배우 때문인지 등을 연결 관계에 대해서 살펴보면 확인할 수 있다. SNS나 바이러스의 확산 같은 경로의 전파에도 쓸 수 있다. 추천의 경우 어떤 집단에서 다른 집단으로 퍼져나가는지를 확인할 수도 있을 것 같다. Basic Graph Neural NetworksAdjacency matrix 인접 행렬이나 이를 이용해서 도출하는 Laplacian Matrix를 MLP들을 통해서 학습하는 기본적인 형태의 Graph Convolutional Network를 생각할 수 있다. GNNs i.. 2025. 6. 20. 그래프 Graph 개요 여기서 말하는 그래프는 컴퓨터 공학 혹은 컴퓨터 과학 혹은 이산 수학에서 이야기하는 그래프다. 기본 개념 그래프 Graph 는 $G$는 정점 (Vertex) 혹은 노드 (Node)라고 불리는 집합 $V$와 간선, 연결선 (edge)의 집합인 $E$의 ordered pairs 순서쌍 $G$ = ($V, E$)으로 정의 된다. 이때 ordered pair는 $(x, y) \neq (y, x)$라는 뜻이다. 엣지의 집합 $E \subseteq \{ (x, y) | x, y \in V^2 \, \text{and} \, x \neq y \}$로 정의 된다. 노드 $v$와 연결된 모든 노드의 집합을 neighbor(hood)라고 부르며 $N(v) = \{ u \in V | (u, v) \in E \}$로 .. 2025. 4. 14. 이전 1 다음
