세션 기반 추천 시스템을 위한 순환 신경망

우리는 순환 신경망(RNN)을 새로운 영역인 추천 시스템에 적용합니다. 실제 추천 시스템은 종종 짧은 세션 기반 데이터(예: 작은 스포츠 용품 웹사이트)를 기반으로 추천해야 하는 문제를 겪습니다. 이는 Netflix와 같은 경우에서 사용자의 긴 역사 정보를 활용하는 것과 대조됩니다. 이러한 상황에서 자주 칭찬받는 행렬 분해 접근법은 정확하지 않습니다. 이 문제는 일반적으로 아이템 간 유사성을 기반으로 하는 추천, 즉 비슷한 아이템을 추천하는 방법으로 해결됩니다. 우리는 전체 세션을 모델링함으로써 더 정확한 추천이 가능하다고 주장합니다. 따라서 세션 기반 추천을 위한 RNN 기반 접근법을 제안합니다. 우리의 접근법은 작업의 실용적인 측면도 고려하며, 특정 문제에 더 적합하도록 전통적인 RNN에 여러 수정 사항을 도입합니다. 예를 들어, 순위 손실 함수(ranking loss function) 등을 소개합니다. 두 개의 데이터셋에 대한 실험 결과는 널리 사용되는 접근법보다 뚜렷한 개선점을 보여줍니다.