17일 전

지식 그래프 기반 의미 융합을 통한 대화형 추천 시스템의 성능 향상

Kun Zhou, Wayne Xin Zhao, Shuqing Bian, Yuanhang Zhou, Ji-Rong Wen, Jingsong Yu
지식 그래프 기반 의미 융합을 통한 대화형 추천 시스템의 성능 향상
초록

대화형 추천 시스템(CRS)은 상호작용적인 대화를 통해 사용자에게 고품질의 아이템을 추천하는 것을 목표로 한다. 여러 연구 노력이 이루어졌음에도 불구하고, 여전히 두 가지 주요 문제들이 해결되지 않은 상태이다. 첫째, 대화 데이터 자체가 사용자의 선호도를 정확히 이해하기 위한 충분한 맥락 정보를 포함하지 못하고 있다. 둘째, 자연어 표현과 아이템 수준의 사용자 선호도 사이에 의미적 간극이 존재한다. 이러한 문제들을 해결하기 위해, 본 연구에서는 단어 중심과 엔티티 중심의 지식 그래프(KG)를 통합하여 CRS 내 데이터 표현을 강화하고, 상호 정보 최대화(Mutual Information Maximization) 기법을 활용하여 단어 수준과 엔티티 수준의 의미 공간을 정렬한다. 정렬된 의미 표현 기반으로, 정확한 추천을 위한 KG 기반 추천 컴포넌트와 응답 텍스트 내에서 정보성 있는 키워드나 엔티티를 생성할 수 있는 KG 기반 대화 컴포넌트를 추가로 개발하였다. 광범위한 실험을 통해 제안하는 방법이 추천 및 대화 작업 모두에서 우수한 성능을 발휘함을 입증하였다.