PEN4Rec: 세션 기반 추천을 위한 선호도 진화 네트워크

세션 기반 추천은 익명의 세션 내 과거 행동을 기반으로 사용자의 다음 행동을 예측하는 것을 목표로 한다. 보다 정교한 추천을 위해서는 사용자의 선호도뿐 아니라 그 선호도의 동적 변화를 효과적으로 포착하는 것이 필수적이다. 또한 사용자의 선호도는 시간이 지남에 따라 지속적으로 변화하며, 각각의 선호도는 독자적인 변화 경로를 갖는다. 그러나 기존의 대부분의 연구들은 선호도의 변화 추세를 간과하고 있으며, 선호도의 이동(Preference Drifting) 현상에 쉽게 영향을 받는다. 본 논문에서는 역사적 맥락에서 두 단계의 검색 기반 접근 방식을 통해 선호도 변화 과정을 모델링하는 새로운 모델인 Preference Evolution Networks for session-based Recommendation(PEN4Rec)을 제안한다. 구체적으로, 첫 번째 단계에서는 최근에 소비한 아이템을 기준으로 관련된 행동을 통합한다. 두 번째 단계에서는 시간에 따라 동적으로 선호도 변화 경로를 모델링하고 풍부한 선호도를 추론한다. 이러한 과정은 선호도 변화 과정 중 관련된 순차적 행동의 영향력을 강화하고, 선호도 이동으로 인한 간섭을 완화함으로써 추천 성능을 향상시킨다. 공개된 세 가지 데이터셋을 대상으로 수행한 광범위한 실험을 통해 제안된 모델의 효과성과 우수성을 입증하였다.