그룹 추천 시스템을 위한 딥 그래프 클러스터링 기반 그룹 형성

초록

그룹 추천 시스템 연구는 대부분 고정된 집단을 전제로 그룹 추천 알고리즘의 성능 향상에 초점을 맞춘다. 그러나 고정된 집단은 사용자 선호가 시시각각 변화하는 추천 시스템 환경에 적합하지 않기 때문에, 유사한 선호를 가진 사용자들을 효과적으로 집단화할 수 있는 정교한 그룹 형성 연구가 필요하다. 하지만 기존의 그룹 추천 시스템 연구에서는 주로 K-Means, GMM과 같은 전통적인 클러스터링 기법을 사용하여 그룹을 형성하며, 이는 추천 데이터의 복잡성과 희소성을 충분히 반영하지 못한다. 본 연구는 그룹 형성을 그룹 추천 성능을 결정짓는 핵심 단계로 간주하고, 딥 그래프 클러스터링 기반의 새로운 그룹 형성 모델을 제안한다. 제안된 모델은 그래프 구조 학습과 견고한 학습 전략을 결합하여 그룹 형성의 정밀도를 높이며, 이를 통해 전반적인 추천 정확도 또한 개선한다. 실험 결과, 제안된 모델이 기존 기법 대비 그룹 형성과 추천 성능 모두에서 우수한 결과를 달성함을 확인하였다.

키워드