추천에 필요한 연산
원 연구는 그래프 합성곱의 특징 변환과 비선형 활성화가 협업 필터링에 기여하는 정도를 분석했다. 해당 실험에서 이 연산들이 효과가 작거나 학습을 어렵게 할 수 있음을 보고 단순한 구조를 제안했다.
선형 전파와 결합
사용자와 항목 임베딩을 상호작용 그래프에서 선형으로 전파한다. 여러 층에서 학습한 임베딩을 가중합해 최종 표현으로 사용하며 이웃 집계를 핵심 요소로 남긴다.
비교 조건과 분석
같은 실험 설정에서 NGCF와 비교하고 단순화한 모델의 타당성을 이론 및 실험으로 분석했다. 보고한 향상은 추천 실험의 관찰로, 모든 그래프 과제에서 변환과 활성화가 불필요하다는 뜻은 아니다.