위키득계정 ↗
기술

EASE 추천 모델

EASE 추천 모델기술
연구 공개
2019년
발표
WWW 2019
모형 형식
은닉층 없는 선형 재구성
핵심 제약
가중치 행렬의 대각 원소 0
EASE는 희소한 암묵적 피드백으로 항목 간 선형 가중치를 학습하는 추천 모델이다. 은닉층 없이 입력을 재구성하며 닫힌 형태의 학습 해를 갖는다.

상호작용의 재구성

사용자가 상호작용한 항목을 나타내는 희소 행렬을 입력으로 삼는다. 항목 간 가중치 행렬을 곱해 점수를 계산하고 입력을 출력에서 재구성하는 목표로 학습한다.

자기 복사의 방지

가중치 행렬의 대각을 0으로 제한해 항목이 자기 자신을 그대로 복사하는 해를 막는다. 제곱 재구성 손실과 L2 정규화를 사용하는 볼록 목적 함수에서 닫힌 형태의 해를 구한다.

단순한 기준선의 평가

원 연구는 공개 자료에서 여러 협업 필터링 방식과 순위 정확도를 비교했다. 깊은 비선형 모형 없이도 해당 실험에서 경쟁력 있는 결과를 낼 수 있다는 점을 조사했다.

관련 문서

협업 필터링 / 오토인코더 / 선형 회귀 / 릿지 회귀 / 희소 행렬 / SimpleX