외적 기반 신경망 협업 필터링

본 연구에서는 협업 필터링을 수행하기 위한 새로운 다층 신경망 구조인 ONCF를 제안합니다. 이 아이디어는 임베딩 공간의 차원 간 쌍별 상관관계를 명시적으로 모델링하기 위해 외적(outer product)을 사용하는 것입니다. 기존의 신경망 추천 모델들이 사용자 임베딩과 항목(item) 임베딩을 단순 연결(concatenation) 또는 요소별 곱셈(element-wise product)을 통해 결합하는 것과 달리, 본 연구에서 제안한 임베딩 레이어 위에 외적을 사용함으로써 2차원 상호작용 맵(interaction map)이 생성되며, 이는 더 표현력이 뛰어나고 의미상 타당하다는 장점이 있습니다. 외적을 통해 얻은 상호작용 맵 위에서 고차 상관관계를 학습하기 위해 컨벌루션 신경망(convolutional neural network)을 활용하는 방안을 제안합니다. 두 개의 공개 은밀 피드백 데이터셋에 대한 광범위한 실험 결과, 본 연구가 제안한 ONCF 프레임워크의 효과성이 입증되었으며, 특히 다층 신경망 추천 모델의 하위 수준에서 임베딩 차원 간의 상관관계를 모델링하기 위해 외적을 사용하는 것이 긍정적인 영향을 미친다는 점이 확인되었습니다. 실험 코드는 다음 주소에서 확인할 수 있습니다: https://github.com/duxy-me/ConvNCF