초록
본 논문은 협업 필터링(CF) 작업을 위한 신경 자동 회귀 구조인 CF-NADE를 제안합니다. 이 모델은 제한 볼츠만 머신(RBM) 기반의 CF 모델과 신경 자동 회귀 분포 추정기(NADE)에서 영감을 받았습니다. 먼저, CF 작업을 위한 기본적인 CF-NADE 모델을 설명합니다. 그 다음으로, 다른 평점 간에 매개변수를 공유하여 모델을 개선하는 방법을 제안합니다. 또한, 더 나은 확장성을 위해 인수 분해된 버전의 CF-NADE도 제안됩니다. 더불어, 선호도의 순서적 특성을 고려하고 이를 최적화하기 위해 순서 비용 함수를 제안합니다. 실험 결과, 이 방법이 우수한 성능을 보임을 확인할 수 있었습니다. 마지막으로, 계산 복잡도가 중간 정도로 증가하는 대신 CF-NADE는 깊은 모델로 확장될 수 있습니다. 실험 결과는 단일 은닉층을 가진 CF-NADE가 MovieLens 1M, MovieLens 10M 및 Netflix 데이터셋에서 모든 이전 최고 수준의 방법들을 능가하며, 추가적인 은닉층을 더하면 성능이 더욱 향상됨을 보여주었습니다.