Generative Model-Based Recommendation and LBSN Embedding Analysis
연구 내용
생성모델을 활용해 콜드 아이템의 협업 임베딩을 생성하고, LBSN 방문 분포를 VAE로 임베딩하여 지역 유사도와 특성을 분석하는 연구
연구는 데이터 마이닝과 추천을 위한 표현 학습에 초점을 둡니다. Diffusion model 기반 생성 경로에서 콜드 아이템의 side information을 조건으로 협업 임베딩을 생성하고, 간단한 MLP 기반 refiner로 추천 점수를 산출하여 기존 추천 시스템에 쉽게 결합하는 구조를 제안합니다. 또한 LBSN에서 POI 카테고리와 영역별 방문 분포를 VAE로 임베딩한 뒤 임베딩 유사도로 지역 간 관계를 분석하여 사용자 이동성의 지역 기능 특성 기여도를 해석합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 LBSN 데이터를 대상으로 영역별 방문 분포를 VAE 기반으로 임베딩하여 지역 간 유사도와 기능적 특성을 분석하는 방법을 수행했습니다. 이후에는 추천 문제로 확장하여, 콜드 스타트 상황에서 협업 임베딩을 생성형 모델로 직접 생성하는 프레임을 구축했습니다. 최근에는 생성 모델의 예측 불확실성을 줄이기 위해 2단계 구조(생성기-정제기)를 적용하고, side information 중심의 통합 절차로 추천 파이프라인 적용성을 높이는 방향으로 연구를 진행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Geographic Area Analysis by Using VAE based Area Embeddings on LBSN data
Diffusion Model as a Base for Cold Item Recommendation