셀프 어텐션 기반의 협력적 필터링 네트워크
Collaborative Filtering Network Based on Self-Attention
- 주제(키워드) Self-attention , Neural network , Collaborative filtering , Recommender system , 셀프 어텐션 , 신경망 구조 , 협력적 필터링 , 추천 시스템
- 발행기관 서강대학교 일반대학원
- 지도교수 양지훈
- 발행년도 2019
- 학위수여년월 2019. 8
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000064377
- UCI I804:11029-000000064377
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
신경망 구조(Neural network)는 많은 분야에서 큰 성공을 거두었다. 추천 시스템 분야에서도 깊은 신경망 구조의 사용을 위해 여러 시도가 되고 있고 셀프 어텐션 메커니즘도 점차적으로 사용되고 있다. 사용자 상호 정보에서 각 아이템의 상대적 가중치를 평가하여 사용자의 의도를 잘 표현할 수 있습니다. 본 논문에서는 깊은 신경망 구조와 셀프 어텐션 메커니즘 기반의 추천 시스템 모델을 제안한다. 이 모델은 사용자의 과거 상호 작용이나 서로 다른 아이템들 간의 관계를 추론하기 위해 셀프 어텐션 메커니즘을 사용한다. 셀프 어텐션 메커니즘을 사용하여 사용자의 기록을 바탕으로 각 아이템 에 대한 선호도를 평가할 수 있으며 사용자의 의도에 대한 깊은 의미를 분석 할 수 있다. 동시에 뉴럴 네트워크를 사용하여 사용자와 아이템 간의 상호 정보를 학습 할뿐만 아니라 그것을 사용자의 의도와 결합하여 상호 정보가 없는 아이템의 평점을 예측한다.
more초록/요약
Neural networks in many areas have achieved great success. For the recommender system, the deep neural network is also used for different attempts. Recently, self-attention mechanism has been gradually used in the recommender system. It is able to estimate the relative weights of each item in user interaction information to learn better representations for user’s intents. In this article, we propose a recommendation model build on neural network and self-attention. The model utilized the self-attention mechanism to infer items-items relationships from the user's historical interactions. Through the self-attention mechanism, it can estimate a user’s preference of each item according to the records, and it can analyze some deep meaning underlain the intentions of the user. At the same time, taking advantaging of this neural network, we not only learned the information of interactions between users and items, but also combined it with the intents of users to predict their ratings for non-interactive items.
more