xDeepFM: 추천 시스템을 위한 명시적 및 암시적 특성 상호작용 결합

조합 특징은 많은 상업 모델의 성공에 필수적입니다. 웹 규모 시스템에서 원시 데이터의 다양성, 양, 그리고 속도 때문에 이러한 특징을 수동으로 작성하는 것은 보통 높은 비용이 따릅니다. 벡터 곱셈을 통해 상호작용을 측정하는 인자 분해 기반 모델은 조합 특징의 패턴을 자동으로 학습하고, 미처 본 적 없는 특징에도 일반화할 수 있습니다. 딥 뉴럴 네트워크(DNNs)가 다양한 분야에서 큰 성공을 거두면서 최근 연구자들은 저차원과 고차원 특징 상호작용을 모두 학습할 수 있는 DNN 기반 인자 분해 모델 여러 가지를 제안하였습니다. 데이터로부터 임의의 함수를 학습하는 강력한 능력을 가지고 있지만, 단순한 DNNs는 특징 상호작용을 암시적으로 비트 단위로 생성합니다. 본 논문에서는 벡터 단위로 명시적으로 특징 상호작용을 생성하기 위한 새로운 압축된 상호작용 네트워크(CIN)를 제안합니다. CIN이 컨볼루션 신경망(CNNs)과 순환 신경망(RNNs)과 일부 기능을 공유한다는 것을 보여주며, 이를 전통적인 DNN와 결합하여 하나의 통합 모델로 만듭니다. 이 새로운 모델을 극단적 딥 인자 분해 머신(xDeepFM)이라고 명명하였습니다. 한편으로 xDeepFM는 특정 차수 제한된 특징 상호작용을 명시적으로 학습할 수 있으며, 다른 한편으로는 임의의 저차원 및 고차원 특징 상호작용을 암시적으로 학습할 수 있습니다. 우리는 세 개의 실제 데이터셋에 대해 포괄적인 실험을 수행하였으며, 결과는 xDeepFM이 최신 모델들보다 우수함을 입증하였습니다. 우리는 xDeepFM의 소스 코드를 \url{https://github.com/Leavingseason/xDeepFM}에서 공개하였습니다.