AI 공부 기록 블로그

본 논문은 2018년 아마존에서 발표되었으며, 유저가 특정 상품에 대한 반복 구매 상품을 추천하기 위해 딥러닝이나 그래프 마이닝 같은 신경망 기반의 모델을 사용한 것이 아닌, 통계 모델링으로 유저의 반복 구매 특성을 표현하였습니다. 이를 통해 실제 아마존 웹 사이트의 "personalized recommendations page" 에 적용한 결과 클릭 전환율이 7% 이상 증가하였다고 합니다. 논문의 리뷰는 저의 주관적인 해석과 오역이 있을 수 있습니다. 잘못된 부분이 있다면 댓글을 통해 피드백 남겨주시면 감사하겠습니다. :)1. 소개E-Commerce에서 고객이 직접 사용하거나 소비하기 위해 구매하는 소비재 상품의 경우 고객의 반복 구매 특성을 확인할 수 있습니다. 특히 반복 구매 가능 상품의 경우 고객..

본 논문은 2018 ACM SIGKDD에서 발표되었으며, 대규모 아이템을 보유한 Pinterest에서 그래프 임베딩을 활용해 새로운 아이템을 추천하기 위해 제안된 논문입니다. 해당 논문의 경우 이전에 등장한 GraphSAGE로부터 파생되어 추천시스템 도메인에 맞게 설계되었으며 요기요, 우버이츠 등 현업에서도 사용한 방법입니다. 논문의 리뷰는 저의 주관적인 해석과 오류 내용이 포함될 수 있습니다. 이 부분에 대해 지적해주시면 감사하겠습니다:) 1. Introduction 그래프 기반의 딥러닝 모델은 사용자-아이템 간의 연결구조를 학습하여 추천시스템 태스크에서 SOTA의 성능을 보였습니다. Graph Convolutional Networks(GCN)의 경우 컨볼루션 연산을 통해 그래프의 이웃 노드 정보를 반..

본 논문은 2020년 KDD 워크샵 중 Industrial Recommendation Systems에서 발표되었으며, 아마존의 대규모 상품 유사도를 식별하기 위해 사용한 딥러닝 기반의 방법론과 상품 유사성 서비스에 대한 전반적인 내용을 다루었습니다. 논문의 리뷰는 제가 이해한 내용을 바탕으로 작성하였으며, 오역이나 잘못된 내용이 있다면 지적해주시면 감사하겠습니다 :) 1. Introduction 아마존에서 유사 상품 식별은 대체 상품 추천, 비슷한 상품 추천, 유사 상품 검색 등 다양한 분야에서 응용되어 사용되고 있습니다. 아래 그림의 (a)의 경우 고객이 핸드폰 케이스를 구매하려 할 때, 재고가 남아있지 않은 경우 사용자가 원했던 상품의 이미지, 제목, 설명 정보 등을 반영하여 이와 유사한 핸드폰 케이..

본 논문은 Transformers를 기반으로 한 시퀀셜 추천시스템에 입력 데이터와 연관된 side information을 모두 분해해 모델 입력으로 사용하여 side information의 효과를 입증하였습니다. 현재는 arXive에 preprint되었으며, 2022 SIGIR conference에 Accept 되었습니다. 논문 리뷰는 제가 이해한 내용을 바탕으로 정리하였으며, 잘못된 내용이 있을 경우 지적해주시면 감사하겠습니다 :) 1. Introduction 먼저 시퀀셜 추천시스템의 목적은 사용자의 행동 패턴(구매 이력)을 바탕으로 이후에 구매할 아이템을 예측하는 문제입니다. 기존 시퀀셜 추천 모델은 CNN, RNN 등을 사용해서 행동 패턴을 파악했다면, 2017년 NLP 분야에서 트랜스포머 모델이 ..

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..