초기 임베딩 생성에 따른 GraphGAN의 성능 분석

Abstract

추천 시스템은 사용자의 구매 내역 등 과거의 행동을 기반으로 사용자의 선호도를 예측하여, 해당 사 용자가 선호할 만한 상품을 추천해주는 것을 목표로 한다. 최근, GraphGAN은 딥러닝 기술인 generative adversarial network(GAN)의 적대적 학습(adversarial learning)의 개념을 추천 시스템에 적용할 수 있는 방법을 제안하였다. 이때, GraphGAN은 GAN의 초기 학습이 어렵다는 고질적인 한계를 완화하기 위해 다 른 기존 방법들에 의해 생성된 임베딩 벡터를 초기 임베딩 벡터로 사용할 수 있도록 설계되었다. 본 논 문에서는 다양한 방법들 (Random, Node2vec, BPRMF, WRMF)에 의해 생성된 임베딩 벡터를 GraphGAN 의 초기 임베딩 벡터로 사용하고, 이를 기반으로 GraphGAN을 수행한 뒤 추천의 정확도를 평가한다. 우 리는 실험을 통해 각 초기 임베딩 생성 방법에 따른 GraphGAN의 정확도 차이를 비교 및 분석한다.