타겟 주의 그래프 신경망에 자기주의(셀프 어텐션) 도입하기

세션 기반 추천 시스템은 사용자의 행동과 선호도를 단기적인 익명 세션을 기반으로 모델링함으로써 사용자에게 관련 있는 항목을 제안한다. 기존의 방법들은 이웃 노드(즉, 로컬 메시지 전달)로부터 정보를 전파하고 집계하는 그래프 신경망(GNN)을 활용한다. 이러한 그래프 기반 아키텍처는 표현력에 한계가 있으며, 단일 서브그래프는 서로 다른 세션 내 항목 간의 복잡한 전이를 반영하기보다는 순차적 의존성에 과적합되기 쉬운 문제가 있다. 본 연구에서는 트랜스포머와 타겟 주의 기반 GNN을 결합한 새로운 기법을 제안한다. 이를 통해 더 풍부한 표현을 학습할 수 있으며, 이는 기존의 단순한 타겟 주의 기반 GNN 대비 실증적인 성능 향상으로 이어진다. 실험 결과와 아블레이션 연구를 통해 제안하는 방법이 실제 벤치마크 데이터셋에서 기존 방법들과 경쟁력을 갖추고 있으며, 그래프 기반 가설을 개선함을 확인하였다. 코드는 다음 링크에서 제공된다: https://github.com/The-Learning-Machines/SBR