세션 기반 추천 시스템에서 그래프 신경망의 활용

세션 기반 추천의 문제는 익명 세션을 바탕으로 사용자 행동을 예측하는 것을 목표로 합니다. 이전 방법들은 세션을 시퀀스로 모델링하고, 사용자 표현과 아이템 표현을 함께 추정하여 추천을 제공하였습니다. 이러한 방법들이 유망한 결과를 달성하였음에도 불구하고, 세션 내에서 정확한 사용자 벡터를 얻는 데 부족하며, 아이템 간의 복잡한 전환 관계를 간과하였습니다. 이를 해결하기 위해, 우리는 새로운 방법론인 그래프 신경망 기반 세션 추천(Session-based Recommendation with Graph Neural Networks, SR-GNN)을 제안합니다. 제안된 방법에서는 세션 시퀀스를 그래프 구조 데이터로 모델링합니다. 세션 그래프를 기반으로 GNN은 이전의 전통적인 시퀀셜 방법으로 드러내기 어려웠던 아이템 간의 복잡한 전환 관계를 포착할 수 있습니다. 또한, 각 세션은 주의 네트워크(attention network)를 사용하여 전역 선호도와 해당 세션의 현재 관심사를 조합하여 표현됩니다. 두 개의 실제 데이터셋에 대한 광범위한 실험 결과는 SR-GNN이 최신 세션 기반 추천 방법론들보다 일관되게 우수한 성능을 보임을 명백히 입증하였습니다.