최근접 이웃 메커니즘을 활용한 텍스트 기반 순차적 추천 모델 추론 프레임워크 (An Inference Framework for Text-Based Sequential Recommendation Model Using Nearest Neighbor Mechanism)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 52권 / 5호 / 435 ~ 443페이지
· 저자명 : 김준영, 김현수, 이종욱

초록

순차적 추천 과업은 사용자의 상호작용 기록을 기반으로 다음에 상호작용할 항목을 예측하는 과업이다. 텍스트로 항목을 표현하는 텍스트 기반 추천 모델은 콜드 스타트(cold-start) 문제와 제로 샷(zero-shot) 추천 과업에서 우수한 성능을 보이지만, 협력적 지식 부족과 텍스트 편향이라는 한계를 가진다. 본 연구는 이러한 한계를 극복하고자 최근접 이웃 메커니즘을 활용한 텍스트 기반 추천 모델 추론 프레임워크를 제안한다. 제안 방법은 텍스트 기반 추천 모델을 이웃 검색 모델로 활용하여 사용자와 유사한 선호를 가진 이웃을 검색하고, 이웃 정보를 기존 추천 결과와 결합하여 추천 성능을 향상한다. 4개의 데이터셋에서 수행된 실험 결과, 제안된 방법은 기존 모델 대비 일관된 성능 향상을 보여주었으며, NDCG@50 기준 최대 25.27%의 성능 개선을 기록했다. 또한, 제안 방법은 협력적 지식을 효과적으로 보완하고 추천 근거를 제공함으로써 모델의 설명 가능성을 향상함을 보였다.

영어초록

Sequential recommendation task aims to predict the next item to interact with based on users’ interaction history. Text-based recommendation models, which represent items as text, show improved performance in cold-start problems and zero-shot recommendation tasks. However, they suffer from textual bias and the lack of collaborative knowledge. To overcome these limitations, we propose a text-based recommendation model inference framework using the nearest neighbor mechanism. The proposed method leverages text-based recommendation models as a neighbor retriever model to search neighbors with similar preferences to the user and aggregate the neighbor information with existing recommendation results to improve recommendation performance. Experiments conducted on four datasets show that the proposed method consistently outperforms existing models, with performance improvement up to 25.27% on NDCG@50. Furthermore, the proposed method effectively complements collaborative knowledge and improves model explainability by providing recommendation rationale.

참고자료

· 없음