인코더 밖의 선택
협업 필터링 학습은 상호작용 인코더, 손실 함수, 음성 표본 추출에 함께 의존한다. 연구는 복잡한 인코더 설계뿐 아니라 손실 선택과 음성 표본의 비율도 중요한 요소로 다뤘다.
코사인 대조 손실
코사인 대조 손실을 제안하고 SimpleX라는 통합 협업 필터링 모델에 결합했다. 이 손실과 큰 음성 표본 비율 아래 단순한 구조가 어떤 성능을 낼 수 있는지 조사했다.
기준선의 평가
열한 벤치마크에서 스물아홉 기존 모델과 비교했다. 결과는 모델의 복잡도만으로 성능 차이를 설명하기 어렵고 손실과 표본 추출 조건을 함께 비교해야 한다는 연구 방향을 제시한다.