상호 작용의 두 표현
상호 작용이 발생할 때마다 두 순환 신경망으로 사용자와 항목의 임베딩을 갱신한다. 각 대상을 벡터 공간에 놓고 시간에 따라 이동하는 궤적으로 표현하는 접근이다.
미래 시점으로의 투영
별도의 투영 연산자가 미래 임의 시점의 사용자 임베딩을 추정하도록 학습한다. 추정한 표현을 이용해 미래의 사용자와 항목 사이 상호 작용을 예측한다.
시간 순서의 배치
학습 효율을 위해 시간 일관성을 지키는 배치를 만드는 t-Batch 알고리즘을 제안했다. 원 연구는 네 실제 자료에서 미래 상호 작용과 상태 변화 예측을 평가했다.
관련 문서
순환 신경망 / 임베딩 / Temporal Graph Networks / TGAT / 추천 시스템 / 표현 학습