세션 기반 사회적 추천을 위한 동적 그래프 어텐션 네트워크

온라인 커뮤니티 such as Facebook과 Twitter는 매우 인기가 있으며, 많은 사용자들의 일상 생활에서 필수적인 부분이 되었습니다. 이러한 플랫폼을 통해 사용자들은 다른 사람들이 소비할 정보를 발견하고 생성할 수 있습니다. 이러한 맥락에서, 사용자에게 관련 정보를 추천하는 것은 생존을 위한 중요한 요소가 됩니다. 그러나 온라인 커뮤니티에서의 추천은 다음과 같은 이유로 어려운 문제입니다: 1) 사용자의 관심사는 동적이며, 2) 사용자는 친구들에 의해 영향을 받습니다. 또한, 영향력을 미치는 사람들은 상황에 따라 달라질 수 있습니다. 즉, 다른 주제에 대해서는 다른 친구들이 신뢰될 수 있다는 것입니다. 따라서 이 두 가지 신호를 모델링하는 것이 추천에 있어서 필수적입니다.우리는 동적 그래프 어텐션 신경망(dynamic-graph-attention neural network) 기반의 온라인 커뮤니티 추천 시스템을 제안합니다. 우리는 순환 신경망(recurrent neural network)을 이용하여 동적인 사용자 행동을 모델링하고, 그래프 어텐션 신경망(graph-attention neural network)을 이용하여 상황에 따른 사회적 영향력을 모델링합니다. 이 방법은 사용자의 현재 관심사를 바탕으로 동적으로 영향력을 미치는 사람들을 추론합니다. 전체 모델은 대규모 데이터에 효율적으로 적합시킬 수 있습니다. 여러 실제 데이터 세트를 활용한 실험 결과는 우리의 제안된 접근 방식이 최신 모델 포함 여러 경쟁 기준보다 우수함을 입증하였습니다(실험 결과).