A study on enhancing the performance of deep learning-based recommendation model considering the importance of contextual information attribute
Qinglong Li, Dongsoo Jang, Haeun Koo, Jaekyeong Kim · Journal of Intelligence and Information Systems · 2024
추천 시스템의 데이터 희소성 문제를 개선하기 위해 컨텍스트 정보를 활용한 연구가 활발하게 진행되고 있다. 다양한 선행 연구들은 추천 모델을 구축하는 과정에서 컨텍스트 정보를 구성하는 속성들을 단순히 결합하는 방법을 활용하였다. 하지만 제품에 대한 선호도는 고객이 고려하는 속성의 중요도에 따라 달라질 수 있기 때문에 컨텍스트 정보를 단순히 결합하는 방법은 추천 모델에 효과적이지 않을 수 있다. 따라서 본 연구는 고객과 제품 간 상호작용을 정교하게 학습하기위해 컨텍스트 정보를 구성하는 각 속성의 중요도를 반영한 CINCF(Contextual information Importance-based Neural Collaborative Filtering) 모델을 제안한다. CINCF는 다양한 컨텍스트 정보에 포함된 속성들을 통합하고 어텐션 메커니즘을 활용하여 속성들이 가질 중요도를 고려하여 상호작용을 학습한다. 본 연구에서 제안된 CINCF의 추천 성능을 검증하기위해 Amazon.com에서 수집한 세 가지 카테고리의 데이터를 사용하였다. CINCF 모델은 여러 베이스라인 모델과 비교하여 우수한 추천 성능을 보였으며, 이를 통해 컨텍스트 정보에 내포된 속성의 중요도를 고려하는 추천 방법론의 효과성을 입증할 수 있었다.