지식 그래프에서 메타 학습과 대조 학습을 통한 콜드 스타트 문제 해결 방법
Alleviating Cold Start Problem with Meta Learning and Contrastive Learning on Knowledge Graph
- 주제어 (키워드) 추천 시스템 , 콜드 스타트 문제 , 지식 그래프 , 그래프 신경망 , 메타 학습 , 대조 학습 , Recommendation Systems , Cold Start Problem , Knowledge Graph , Graph Neural Networks , Meta Learning , Contrastive Learning
- 발행기관 서강대학교 일반대학원
- 지도교수 양지훈
- 발행년도 2023
- 학위수여년월 2023. 2
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000070175
- UCI I804:11029-000000070175
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
추천 시스템에서는 오래 전부터 협업 필터링(CollaborativeFiltering) 기반의 추천에 대한 연구가 활발히 진행되어 왔다. 전통적으로는 행렬을 기반으로 평점을 진행하는 행렬 분해(Matrix Factorization) 방법과, 다중 퍼셉트론(Multi Layer Perceptron) 기반의 딥러닝(Deep Learning) 모델을 활용였다. 최근에는 그래프 신경망을 통해 그래프 신경망의 높은 연결성(High Order Connectivity) 장점을 활용하여 유저와 아이템의 표현을 풍부하게 함으로써 평점 예측, 상호 작용 여부 등의 예측 성능을 개선하고 있다. 그러나 추천 시스템에서 새로 유입된 유저와 아이템이 유입되는 상황인 콜드 스타트 문제(Cold Start Problem)에서는 데이터의 희소 문제(Data Sparsity Problem)가 발생하기 때문에, 그래프 기반의 협업 필터링 방법을 활용하면 성능이 매우 감소한다는 단점이 존재한다. 이에 따라 본 논문에서는 콜드 스타트 문제(Cold Start Problem)를 해결하고자 유사도 기반의 그래프 전파 방법과, 노이즈(Noise)를 제거한 지식 그래프의 Triple Set을 활용하여 유저와 아이템의 임베딩을 개선한 방법을 제안하고, 다양한 테스크에도 좋은 성능을 내는 메타 학습(Meta Learning)을 활용한 학습 방법에 대해 제안해본다. 또한 잠재하는 상호 작용(Potential Interaction)을 멀티 홉(Multi Hop)을 활용하여 데이터를 증강(Data Augmentation)시키고 해당 데이터로 생성한 벡터와 기존 벡터 간의 대조 학습(Contrastive Learning)을 진행함으로써 성능을 높인 방법을 제안하고자 한다. 실험 결과, 총 3가지의 콜드 스타트 시나리오와 일반적인 유저에 대한 평점 예측에서 모두 높은 성능을 보임을 확인할 수 있었다
more초록 (요약문)
In the recommendation system, research on recommendations based on collaborative filtering has been actively conducted for a long time.Recently many researchers improved the performance of predicting ratings and interactions by utilizing the high order connectivity advantages of Graph Neural Networks. However, in the case of newly introducted users and items, also called cold start problems, data sparsity problems occur, so the use of the Graph Collaborative Filtering method has a disadvantage that performance is greatly reduced. Accordingly, this paper proposes a method of improving the embedding of users and items using knowledge graphs to solve the cold start problem, and suggests a methods of improving performance by reflecting latent interactions through contrastive learning. The experiments was confirmed that all three cold start scenarios and general users for rating predictions showed high performance for all cold start scenarios.
more