그래프 신경망을 이용한 사회적 추천 시스템

최근 몇 년 동안, 노드 정보와 위상 구조를 자연스럽게 통합할 수 있는 그래프 신경망(Graph Neural Networks, GNNs)이 그래프 데이터 학습에서 강력한 성능을 보임이 입증되었습니다. 이러한 GNN의 장점들은 사회적 추천 시스템에서 큰 잠재력을 제공합니다. 이는 사회적 추천 시스템의 데이터가 사용자-사용자 사회 그래프와 사용자-항목 그래프로 표현될 수 있으며, 사용자와 항목의 잠재 요인을 학습하는 것이 핵심이기 때문입니다. 그러나 GNN 기반의 사회적 추천 시스템 구축은 여러 도전 과제에 직면해 있습니다. 예를 들어, 사용자-항목 그래프는 상호작용과 그에 따른 의견을 모두 인코딩하며, 사회 관계는 다양한 강도를 가지고 있으며, 사용자는 두 개의 그래프(예: 사용자-사용자 사회 그래프와 사용자-항목 그래프)에 참여하고 있습니다. 이러한 세 가지 도전 과제를 동시에 해결하기 위해, 본 논문에서는 새로운 그래프 신경망 프레임워크(GraphRec)를 제시합니다. 특히, 우리는 사용자-항목 그래프에서 상호작용과 의견을 함께 포착하는 원칙적인 접근 방식을 제공하며, GraphRec 프레임워크를 제안하여 두 개의 그래프와 다양한 강도를 일관되게 모델링합니다. 두 개의 실제 데이터셋을 대상으로 한 광범위한 실험 결과는 제안된 GraphRec 프레임워크의 효과성을 입증하였습니다. 우리의 코드는 \url{https://github.com/wenqifan03/GraphRec-WWW19}에서 확인할 수 있습니다.