AI 공부 기록 블로그

본 논문은 2019년에 ACM International Conference on Multimedia에서 발표되었으며, Micro-video 데이터에 포함된 multi-modal data(시각, 음성, 텍스트 데이터)를 GCN에 적용하여 기존 추천 시스템 모델에서 좋은 성능을 보였습니다. 논문의 리뷰는 저의 주관적인 해석과 오역이 있을 수 있습니다. 이에 대해서 댓글 남겨주시면 감사하겠습니다. :) 0. Background knowledge 먼저, Multi-modal learning이란 변수의 차원이 각기 다른 데이터(modality)가 여럿이 모여 동시에 학습하는 방법을 말합니다. 주로 인간의 감정인식, 행동 인식 분야에서 활발히 연구되지만, 추천시스템에서도 다양한 modality (이미지, 텍스트, ..

본 논문은 2019년에 등장하였으며, sentence embedding을 위해 기존의 BERT 모델에 Siamese network를 사용하여 빠른 연산과 좋은 성능을 이루어낸 논문입니다. 논문의 리뷰는 저의 주관적인 해석과 오역이 있을 수 있습니다. 이에 대해서 댓글 남겨주시면 감사하겠습니다. :) 1. Introduction transformer의 인코더 구조를 차용해서 양방향으로 문맥을 학습하는 BERT 모델의 경우 문장 분류, 의미론적 텍스트 유사성 문제에서 좋은 성능을 보입니다. 그러나 pair regression과 같은 문제에서는 입력 문장에 대해 매번 연산을 수행하기 때문에 너무 많은 계산량을 요구합니다. 예를 들어 10,000개 문장의 유사성을 찾기 위해 $n(n-1)/2$ = 49,995,..

본 논문은 2020년 SIGIR conference에서 발표되었으며, 그래프를 접목한 Collaborative Filtering 방식의 추천 시스템 논문입니다. 기존의 그래프 기반 추천시스템에서 불필요한 요소들은 제거하고 추천에 필요한 요소만 사용해 가벼우면서도 좋은 추천 성능을 보인 논문입니다. 논문의 리뷰는 저의 주관적인 해석과 오역이 있을 수 있습니다. 이에 대해서 댓글 남겨주시면 감사하겠습니다. :) 1. Introduction 먼저 Collaborative Filtering(CF)은 비슷한 행동을 가진 유저들이 비슷한 아이템을 선호할 것이라는 가정으로 추천시스템에서 널리 사용되는 방법입니다. CF는 유저와 아이템 각각의 임베딩 벡터를 생성하고, 내적을 통해 유저가 선호할만한 아이템의 스코어를 계..

본 논문은 2018년 'IEEE International Conference on Data Mining (ICDM)'에서 발표되었으며, 추천시스템에 Sequential을 고려하기 위해 Self-Attention 방법의 사용을 제안하였습니다. 해당 방법을 통해 사용자의 마지막 행동을 통해 예측하는 Markov Chains(MCs)와 장기적 정보를 통해 예측하는 RNN의 균형을 이루었습니다. 논문의 리뷰는 저의 주관적인 해석과 오역이 있을 수 있습니다. 이에 대해서 댓글 남겨주시면 감사하겠습니다 :) 1. INTRODUCTION Sequential 추천시스템은 사용자의 행동에 대한 맥락을 고려하여 새로운 제품을 추천합니다. 하지만 사용자의 과거 행동들은 기하급수적으로 증가하기 때문에 맥락을 포착하는 데 어려..

본 논문의 저자는 기존 Matrix Factorization 기반의 추천시스템에 Neural Network(NN)를 결합하여 딥러닝 기반의 추천시스템을 제안하였습니다. 본 논문은 2017년 'the 26th international conference on world wide web' 에서 발표되었으며, 여기를 통해 논문을 확인하실 수 있습니다. 논문의 리뷰는 저의 주관적인 해석과 오역이 있을 수 있습니다. 이에 대해서 댓글 남겨주시면 감사하겠습니다 :) 1. INTRODUCTION 여러 collaborative filtering(CF) 방법들 중에 유저와 아이템 간의 latent vector를 활용하는 matrix factorization(MF) 방법은 추천 시스템에서 널리 사용되었습니다. 하지만 이러..

최근 graph를 활용한 추천시스템에 대한 연구가 활발히 진행되고 있는데, 이번에는 "Neural Graph Collaborative Filtering" 논문을 리뷰해보고자 합니다. 본 논문은 2019년 international ACM SIGIR conference에 게시된 논문으로 여기를 통해 확인 가능합니다. 논문의 리뷰는 저의 주관적인 해석과 오역이 있을 수 있습니다. 이에 대해서 댓글 남겨주시면 감사하겠습니다 :) 1. Introduction 추천시스템에서 사용되는 Collaborative filtering(CF) 방법은 행동의 유사성(behaviorally similar)을 가진 유저들이 비슷한 아이템을 선호할 것이라고 가정한다. 일반적으로 CF 모델을 학습하기 위해서는 다음과 같은 2가지 핵심..