다양한 모달 특징과 후융합 컨텍스트를 갖춘 트랜스포머를 이용한 전자상거래 세션 기반 추천

세션 기반 추천은 익명으로 탐색하는 사용자가 많거나, 각 세션마다 매우 다른 관심사를 가질 수 있는 전자상거래 서비스에서 중요한 과제이다. 본 논문에서는 SIGIR 2021 전자상거래 데이터 챌린지 워크숍의 추천 과제에서 입상한 솔루션 중 하나를 제안한다. 본 솔루션은 자연어 처리(NLP) 기법에서 영감을 받아, 순차적 예측(Autoregressive)과 자동인코딩(Autoencoding) 방식으로 훈련된 두 가지 트랜스포머 아키텍처인 Transformer-XL과 XLNet의 앙상블로 구성되어 있다. 경쟁에서 제공된 풍부한 데이터셋의 잠재력을 극대화하기 위해, 표형 이벤트 데이터와 텍스트 및 이미지 벡터를 결합하여 다중 모델 특징을 구성하는 방법을 설명한다. 또한 세션 기반 추천에 대한 본 아키텍처의 효과성을 더 잘 이해하기 위해 모델 예측 분석 결과를 제시한다.