협업 필터링의 정확도 향상을 위한 단계적 증분 기반의 데이터 임퓨테이션 기법

초록

최근 심층 인공 신경망 모형들이 발전함에 따라 추천 시스템의 암시적 피드백 정보를 활용한 변이형오토인코더 (Variational Autoencoder, VAE) 기반의 협업 필터링 기법이 널리 활용되고 있다. 본 논문에서는 VAE를 활용한 추천에서 더 나아가 결측 부분의 단계적 증분 기반 데이터 임퓨테이션을 통해 데이터 희소성 문제를 해결하기 위한 연구를 수행한다. 데이터 임퓨테이션을 수행한 후 추천을 수행한 결과, 단계적 증분을 고려하지 않고 전체 결측 값을 negative 값으로 간주하는 임퓨테이션 대비 향상된 성능을 보였다.