초록
행렬 완성 모델은 추천 시스템에서 가장 일반적으로 사용되는 공식화 방법 중 하나입니다. 최근 연구에서는 사용자/항목 간의 쌍별 관계를 그래프 형태로 도입하고, 이러한 그래프에 평활성 사전 확률을 부과함으로써 이러한 기술의 성능이 크게 향상됨을 보여주었습니다. 그러나 이러한 기술들은 사용자/항목 그래프의 국소 정상성 구조를 충분히 활용하지 못하며, 학습해야 하는 매개변수의 수가 사용자와 항목의 수에 비례하여 선형으로 증가합니다. 우리는 이 한계를 극복하기 위해 그래프 상에서 기하학적 딥 러닝을 사용하는 새로운 접근 방식을 제안합니다. 우리의 행렬 완성 아키텍처는 그래프 컨볼루션 신경망과 순환 신경망을 결합하여 의미 있는 통계적 그래프 구조 패턴과 알려진 평점을 생성하는 비선형 확산 과정을 학습합니다. 이 신경망 시스템은 행렬 크기에 관계없이 일정한 수의 매개변수만 필요로 합니다. 우리는 제안한 방법을 합성 데이터셋과 실제 데이터셋에 적용하여, 최신 기술보다 우수한 성능을 보임을 입증하였습니다.