지식 강화 추천을 위한 단일 연결 이웃 기반 상호작용 모델

본 논문은 그래프 기반 추천 시스템을 연구하며, 과거 기록에서 상호작용 그래프를 구축하여 데이터 희소성과 콜드 스타트 문제를 완화하는 방법을 제안합니다. 우리는 기존의 그래프 기반 모델에서 초기 요약 문제를 밝히고, 사용자 측과 아이템 측 사이의 각 이웃 쌍을 독특하게 포착하기 위한 Neighborhood Interaction (NI) 모델을 제안합니다. NI 모델은 더 표현력이 뛰어나며 사용자-아이템 상호작용 뒤에 있는 더 복잡한 구조적 패턴을 포착할 수 있습니다. 노드 연결성을 더욱 풍부하게 하고 고차 구조 정보를 활용하기 위해, 우리는 추가적인 지식 그래프(KGs)를 통합하고 그래프 신경망(GNNs)을 NI에 적용하여 Knowledge-enhanced Neighborhood Interaction (KNI) 모델을 개발했습니다. 최신 추천 방법들, 예를 들어 특징 기반, 메타 경로 기반, 그리고 지식 그래프 기반 모델들과 비교했을 때, 우리의 KNI는 클릭률 예측(1.1%-8.4% 절대 AUC 개선)에서 우수한 성능을 보이며 4개의 실제 데이터셋에서 상위 N 추천에서도 크게 앞서는 결과를 나타냈습니다.