초록
협업 필터링은 추천 시스템에서 가장 근본적인 주제 중 하나이다. 다양한 방법이 협업 필터링을 위해 제안되어 왔으며, 행렬 분해부터 그래프 컨볼루션 기법에 이르기까지 다양하다. 최근 그래프 필터링 기반 방법과 점수 기반 생성 모델(SGMs)의 성공에 영감을 받아, 우리는 새로운 개념인 '블러링-샤프닝 프로세스 모델(BSPM)'을 제안한다. SGMs와 BSPMs는 모두 원래 정보를 먼저 왜곡한 후 원래 형태로 복구함으로써 새로운 정보를 탐지할 수 있다는 공통된 처리 철학을 공유한다(예: SGM의 경우 새로운 이미지를 생성하는 것). 그러나 SGMs와 본 연구의 BSPMs는 다루는 정보 유형이 다르며, 최적의 왜곡 및 복구 과정에서도 근본적인 차이가 존재한다. 따라서 우리의 BSPMs는 SGMs와 다른 형태를 가진다. 더불어, 본 연구의 개념은 기존의 여러 협업 필터링 모델을 이론적으로 포괄할 뿐 아니라, Gowalla, Yelp2018, Amazon-book 세 가지 벤치마크 데이터셋에서 Recall 및 NDCG 측면에서 기존 모델들을 모두 상회한다. 또한 본 연구의 방법은 처리 시간 측면에서 다른 빠른 기준 모델들과 비교해도 유사한 수준을 보인다. 향후 보다 우수한 블러링(즉, 왜곡) 및 샤프닝(즉, 복구) 프로세스를 설계함으로써 본 개념은 더욱 발전할 잠재력이 매우 크다.