Imporving Sequential Recommendation with Knowledge-Enhanced Memory Networks

이제까지의 Sequential Recommendation task에서는 RNN계열을 중심으로 attention mechanism을 결합하는 등 다양한 방식으로 성능을 향상시켜왔다. 본 논문에서는 side information을 사용해서 다음 아이템을 예측하는데에 도움을 얻고자 하며, 메모리 네트워크의 형태로써 이를 저장하고 이용한다. 그럼에도 long-term한 유저의 preference를 반영하기 위해서 해당 유저의 시퀀스들에 대해 GRU 연산을 통해 general한 representation을 얻어내고, short-term한 preference를 얻어내는데에 있어서 최근 몇 개의 아이템만을 반영한다. 반영하는 방식은 side information에 대해 미리 Trans 계열의 모델을 통해 학습을 시켜놓고 이를 메모리 네트워크의 형식에서 읽어옴으로써 final representation을 만들게 된다. 이를 결합해 아이템과의 matrix factorization을 통해 최종적인 스코어를 얻어내고 pairwise ranking method를 통해 이를 학습시켜 성능을 향상시키고자 한 것이 본 논문의 목표이다.

[1] 발표자료

[2] 발표영상