설명 가능한 패션 추천: 의미 속성 영역 안내 접근법

패션 추천 시스템에서 각 제품은 일반적으로 여러 개의 의미적 속성(예: 소매, 칼라 등)으로 구성됩니다. 의복 선택을 할 때 사람들은 종종 다양한 의미적 속성(예: V넥 칼라가 있는 옷)에 대한 선호도를 보입니다. 그러나 대부분의 이전 패션 추천 모델은 전역적인 콘텐츠 표현을 통해 의복 이미지를 이해하고 사용자의 의미적 선호도에 대한 상세한 이해가 부족하여, 이는 종종 열등한 추천 성능을 초래합니다. 이러한 격차를 메우기 위해 우리는 새로운 의미적 속성 설명 가능한 추천 시스템(SAERS, Semantic Attribute Explainable Recommender System)을 제안합니다. 구체적으로, 먼저 세부적으로 해석 가능한 의미 공간을 도입합니다. 그런 다음 사용자와 아이템을 각각 이 공간으로 투영하기 위해 의미 추출 네트워크(SEN, Semantic Extraction Network)와 세부 선호도 주의(FPA, Fine-grained Preferences Attention) 모듈을 개발합니다. SAERS를 통해 우리는 사용자에게 의복 추천뿐만 아니라, 직관적인 시각적 속성 의미 하이라이트를 통해 개인화된 방식으로 왜 해당 의복을 추천하는지 설명할 수 있습니다. 실제 데이터셋에서 수행된 광범위한 실험 결과는 우리의 접근 방식이 최신 방법들과 비교하여 효과성을 명확히 입증하였습니다.