7일 전

이질적 정보를 갖춘 해석 가능한 추천 시스템: 기하학적 딥러닝 관점에서

{Alex Pentland, Xiaowen Dong, Rodrigo Ruiz, Yan Leng}
초록

추천 시스템(RS)은 디지털 환경에서 널리 사용되고 있다. 본 논문은 RS에서 발생하는 세 가지 실용적 과제—고차원 데이터의 복잡한 구조, 관계 정보 내의 노이즈, 머신러닝 알고리즘의 투명성 부족—을 해결하기 위해 딥러닝 기반의 접근법을 제안한다. 제안하는 방법은 다중 그래프 그래프 주의망(MG-GAT)으로, 각 사용자(또는 사업체)의 이웃들로부터 다양한 정보를 이웃 중요도 그래프(neighbor importance graph)를 통해 집계함으로써 잠재적 사용자 및 사업체 표현을 학습한다. MG-GAT은 Yelp에서 수집한 두 개의 대규모 데이터셋과 RS 분야의 네 가지 표준 데이터셋을 활용한 추천 작업에서 최신 딥러닝 모델들을 초월하는 성능을 보였다. 개선된 성능은 MG-GAT이 체계적인 방식으로 다중 모달 특징을 통합하는 데서 비롯된다는 점을 시사한다. 특징 중요도, 이웃 중요도 그래프, 그리고 잠재 표현은 사업체의 예측 특징과 사용자·사업체의 설명 가능한 특성에 대한 통찰을 제공한다. 더 나아가, 학습된 이웃 중요도 그래프는 고객 타겟팅, 신규 사업체 홍보, 정보 획득 전략 설계 등 다양한 경영 응용에 활용될 수 있다. 본 연구는 딥러닝 모델이 경영 분야에서 대규모 데이터를 활용하는 전형적인 사례를 제시하며, 실제 의사결정에 필수적인 해석 가능성(해석 가능성)을 동시에 제공한다.