초록
그래프 필터링(GF) 기반의 공동 필터링(CF) 기법들은 학습 과정 없이 저역통과 필터(LPF)를 활용함으로써 추천 정확도에서 최신 기술 수준의 성능을 보여주고 있다. 그러나 기존의 GF 기반 CF 접근법들은 이상적인 LPF를 구현하기 위해 아이템-아이템 유사도 그래프에서 행렬 분해를 수행하는 경우가 대부분이며, 이로 인해 계산 비용이 상당히 증가하게 되어 빠른 추천이 필수적인 환경에서는 실용성이 떨어진다. 본 논문에서는 학습 과정과 행렬 분해 없이도 작동하는 GF 기반의 CF 방법인 Turbo-CF를 제안한다. Turbo-CF는 고비용의 행렬 분해 문제를 회피하기 위해 다항식 그래프 필터를 활용함으로써 현대 컴퓨터 하드웨어(예: GPU)의 능력을 극대화할 수 있도록 한다. 구체적으로, Turbo-CF는 엣지 가중치가 효과적으로 조절된 아이템-아이템 유사도 그래프를 먼저 구축한 후, 명시적인 행렬 분해 없이 저주파 신호만을 유지하는 자체 설계된 다항식 LPF를 적용한다. 실험을 통해 Turbo-CF가 매우 빠르면서도 정확한 성능을 보임을 입증하였으며, 실제 벤치마크 데이터셋에서 추천 실행 시간이 1초 미만으로 이루어지면서도 최고 수준의 경쟁 기법들과 비교해 유사한 추천 정확도를 달성함을 보였다.