TAGNN: 세션 기반 추천을 위한 타겟 주의 그래프 신경망

현재 세션 기반 추천은 다양한 웹사이트에서 핵심적인 역할을 하며, 익명의 세션을 기반으로 사용자의 행동을 예측하는 것을 목표로 한다. 최근에는 세션 내 아이템 간의 시간적 전이를 분석함으로써 세션을 시퀀스 또는 그래프로 모델링하는 연구들이 많이 등장하였다. 그러나 이러한 기존 방법들은 예측 대상 아이템을 고려하지 않고 세션을 고정된 표현 벡터로 압축하기 때문에, 다양한 예측 대상 아이템과 사용자의 관심사 다양성에 대한 표현 능력이 제한된다. 본 논문에서는 세션 기반 추천을 위한 새로운 타겟 주의형 그래프 신경망(TAGNN) 모델을 제안한다. TAGNN은 타겟 인식 주의 메커니즘을 통해 다양한 예측 대상 아이템에 따라 사용자의 관심을 적응적으로 활성화한다. 이로 인해 학습된 관심 표현 벡터는 예측 대상 아이템에 따라 달라지며, 모델의 표현력을 크게 향상시킨다. 더불어 TAGNN은 그래프 신경망의 강력한 표현력을 활용하여 세션 내 풍부한 아이템 전이 패턴을 효과적으로 포착한다. 실제 데이터셋을 대상으로 수행한 종합적인 실험 결과는 제안된 모델이 최신 기술 대비 우수한 성능을 보임을 입증한다.