Metric Learning 기반 추천 방법의 학습 과정 시각화

Abstract

행렬 분해는 다양한 추천 도메인에서 성공적으로 적용되어오고 있는 대표적인 추천 방법 중 하나이다.그러나 행렬 분해 기반 추천 방법들은 삼각 부등식을 만족하지 못한다는 한계를 가지기 때문에, 최근metric learning을 활용하는 방법들이 제안되었다. 대표적인 방법 중 하나인 collaborative metric learning(CML) 은 각 사용자와 평가한 상품 간의 유클리드 거리는 짧아지고, 각 사용자와 평가하지 않은 상품 간의 유클리드 거리는 멀어지는 것을 목표로 하는 거리 함수를 학습한다. 이러한 CML의 학습 과정을 이해하기 위해, 우리는 synthetic 데이터를 기반으로 사용자들과 상품들 간의 거리의 변화를 시각화하는 실험을 수행한다. 실험을 통해 우리는 학습이 진행됨에 따라 각 사용자가 평가한 상품이 평가하지 않은 상품보다 해당 사용자와 더 가깝게 임베딩 되는 것을 보인다.