연구: 사회적 인식을 고려한 시간적 인과 디코더 추천 시스템

STUDY: Socially Aware Temporally Casual Decoder Recommender Systems

June 2, 2023

저자: Eltayeb Ahmed, Diana Mincu, Lauren Harrell, Katherine Heller, Subhrajit Roy

cs.AI

초록

오늘날 온라인과 오프라인에서 이용 가능한 방대한 양의 데이터로 인해, 사용자의 관심사에 맞는 항목을 찾는 데 도움을 주기 위해 추천 시스템은 필수적인 도구가 되었습니다. 소셜 네트워크 정보가 존재할 때, 이 정보를 활용하여 더 나은 추천을 제공하는 방법들이 있지만, 이러한 방법들은 복잡한 아키텍처와 학습 절차로 인해 종종 번거롭습니다. 더욱이, 기존의 많은 방법들은 학습하기 어려운 것으로 알려진 그래프 신경망을 활용합니다. 이를 해결하기 위해, 우리는 Socially-aware Temporally caUsal Decoder 추천 시스템(STUDY)을 제안합니다. STUDY는 수정된 트랜스포머 디코더 네트워크의 단일 순방향 전달을 사용하여 소셜 네트워크 그래프에서 인접한 사용자 그룹에 대해 공동 추론을 수행합니다. 우리는 학교 기반 교육 콘텐츠 환경에서 이 방법을 테스트하며, 교실 구조를 사용하여 소셜 네트워크를 정의합니다. 우리의 방법은 데이터의 모든 상호작용을 모델링하는 단일 동종 네트워크의 설계 단순성을 유지하면서도, 소셜 및 순차적 방법 모두를 능가합니다. 또한, 우리는 성능 향상의 원인을 이해하기 위해 어블레이션 연구를 수행하고, 사용자 행동의 유사성을 효과적으로 모델링하는 소셜 네트워크 구조를 활용하는 것이 우리 모델의 핵심임을 발견했습니다.

English

With the overwhelming amount of data available both on and offline today, recommender systems have become much needed to help users find items tailored to their interests. When social network information exists there are methods that utilize this information to make better recommendations, however the methods are often clunky with complex architectures and training procedures. Furthermore many of the existing methods utilize graph neural networks which are notoriously difficult to train. To address this, we propose Socially-aware Temporally caUsal Decoder recommender sYstems (STUDY). STUDY does joint inference over groups of users who are adjacent in the social network graph using a single forward pass of a modified transformer decoder network. We test our method in a school-based educational content setting, using classroom structure to define social networks. Our method outperforms both social and sequential methods while maintaining the design simplicity of a single homogeneous network that models all interactions in the data. We also carry out ablation studies to understand the drivers of our performance gains and find that our model depends on leveraging a social network structure that effectively models the similarities in user behavior.