RecVAE: 암묵적 피드백을 위한 Top-N 추천을 위한 새로운 변분 오토인코더

최근 연구에서는 깊이 있는 신경망 기반의 자동에코더(autoencoder)를 협업 필터링에 사용할 때의 장점을 보여주었다. 특히 최근 제안된 다항 확률 변수 자동에코더(multinomial likelihood variational autoencoders)를 활용한 Mult-VAE 모델은 상위 N 추천(task)에서 뛰어난 성능을 보였다. 본 연구에서는 변분 자동에코더(variational autoencoders)의 정규화 기법에 대한 연구를 기반으로, Recommender VAE(RecVAE) 모델을 제안한다. RecVAE는 Mult-VAE를 개선하기 위해 몇 가지 새로운 아이디어를 도입하였으며, 잠재 코드(latent codes)에 대한 새로운 복합 사전 분포(composite prior distribution), β-VAE 프레임워크에서 β 하이퍼파라미터를 설정하는 새로운 접근법, 그리고 교대 업데이트(alternating updates) 기반의 새로운 학습 전략을 포함한다. 실험 평가를 통해 RecVAE가 기존의 자동에코더 기반 모델, 특히 Mult-VAE와 RaCT에 비해 고전적인 협업 필터링 데이터셋에서 유의미하게 뛰어난 성능을 보임을 입증하였으며, 제안한 기법들의 효과를 정밀하게 분석하기 위한 철저한 아블레이션 연구(ablation study)를 수행하였다. 코드와 모델은 https://github.com/ilya-shenbin/RecVAE 에서 공개되어 있다.