데이터 희소성(data sparsity)은 추천 시스템에 중대한 도전 과제를 제기한다. 이에 대응하여 검토 텍스트(review texts)와 같은 부가 정보를 활용하는 알고리즘들이 제안되어 왔다. 또한 최근에는 더 풍부한 도메인(소스)에서 희소한 도메인(타깃)으로 지식을 전이하는, 도메인 간 공유 가능한 지식을 포착하는 교차 도메인 추천(Cross-Domain Recommendation, CDR) 기법이 부상하고 있다. 그럼에도 불구하고 기존 방법들은 유클리드 임베딩 공간을 가정함으로써, 더 풍부한 텍스트 정보를 정확히 표현하고 복잡한 사용자-아이템 상호작용을 관리하는 데 어려움을 겪는다. 본 논문은 검토 기반 사용자-아이템 관계를 모델링하기 위한 쌍곡선(hyperbolic) CDR 접근법을 제안한다. 먼저, 기존의 거리 기반 도메인 정렬 기법은 쌍곡선 기하에서의 작은 변화가 증폭된 교란을 야기하여, 결국 위계 구조가 붕괴되는 문제로 이어질 수 있음을 강조한다. 이러한 과제를 해결하기 위해, 구조적 형태를 훼손하지 않으면서 도메인 간 공유 가능한 정보를 추출하도록 스케일을 조정하는 위계 인식 임베딩 및 도메인 정렬(hierarchy-aware embedding and domain alignment) 기법을 제안한다. 광범위한 실험을 통해 제안된 모델의 효율성, 견고성 및 확장성이 입증된다. 소스 코드는 다음 링크에서 제공된다: https://github.com/ChoiYoonHyuk/HEAD.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.