1. Topic

Recommendation, Session - based



2. Overview

이번 발표는 추천시스템에서는 최초로 GRU 모델에 활용한 방법론 입니다. 지금에서 해당 방법론은 다양한 Self attention 기반 방법론들을이 더 좋은 sequential model 로 사용되고 있지만, 2016년도 해당 논문이 발표될 시기에는 기존 추천시스템의 문제점을 해결하고자 한 딥러닝적 방법론 입니다.

sequence 를 반영하기 위해 추천 시스템에서는 markov chain model 기반 방법론들이 주로 사용되고 있었는데, 해당 방법론들의 문제점은 first order, second order 까지 밖에 정보가 잘 반영되지 않습니다. 말그대로 최근 삿던 몇가지만을 추천하게 되는 건데, 이럴경우 유저의 구매동향이 급변하는 상황에서는 적절하지 못한 추천이 될 수 있습니다. 이러한 문제를 해결하기 위해, 데이터셋 구성을 유저의 전체 구매이력이 아닌, session 별로 정의하여 해당 session에서 어떤 아이템을 추천할 것인가로 문제를 전환 하였습니다. 또한 추천 시스템에서 자주 사용되어 오던 BPR LOSS 를 추천에 더 적합하도록 변형시키는 작업을 통해, 성능 향상에 유의미한 발전을 이루어 냈습니다.



3. 발표자료 및 발표영상

[1] 발표자료

[2] 발표영상



4. 참고문헌

[1] Session based Recommendation, 2016 ICML

[2] Recurrent Neural Networks with Top -k gains for session based Recommendations, 2018