속성·컨텍스트 정보를 반영한 추천을 위한 프록시 기반 아이템 표현 학습 연구

희소 아이템의 임베딩 품질 저하를 줄이기 위해 프록시 임베딩들의 가중합으로 아이템을 구성하고, 속성과 컨텍스트에 따라 조합을 학습하는 추천 연구

신경망 기반 추천은 아이템을 임베딩 테이블로 학습하지만, 빈도가 낮은 아이템은 충분한 학습 신호를 받지 못해 표현 품질이 저하될 수 있습니다. 본 연구는 아이템을 여러 개의 학습 가능한 프록시 임베딩의 가중합으로 구성하는 프록시 기반 표현을 제안합니다. 아이템의 속성과 컨텍스트에 의해 프록시 가중치를 산정하고, 필요 시 빈번 아이템의 협업 신호를 반영하는 편향 항을 포함합니다. 또한 조합 결과가 잘 학습된 심플렉스 내에 위치하도록 구성해 표현 안정성을 확보하고, 프록시 공유를 통해 희소 아이템이 빈번 아이템의 학습 신호를 공동으로 활용하도록 설계합니다.