증강 효과의 재검토
원 연구는 대조 학습이 사용자와 항목 표현을 더 고르게 분포시켜 인기 편향을 완화할 수 있음을 실험으로 분석했다. 이때 그래프 구조 증강 자체가 얼마나 기여하는지 재검토했다.
임베딩 잡음의 활용
구조를 교란한 그래프를 따로 만들지 않고 임베딩에 균일 잡음을 더해 서로 다른 보기를 생성한다. 추천 신호와 대조 학습을 결합하면서 증강의 구성을 단순하게 하는 접근이다.
비교와 효율
원 연구는 세 벤치마크에서 표현의 균일성, 추천 정확도, 학습 효율을 비교했다. 그래프 증강 기반 방법과 비교해 어떤 요소가 성능 변화에 연결되는지를 조사했다.