데린이 고인물되기

더보기keywords : prompt learning, language model, system cold-start recommendation problem, user profileVenue : arXiv'23논문 선정 이유 : language model이나 kg를 이용한 user profile 관련 논문을 찾다가 발견한 논문.논문 리뷰용은 아니고 인사이트를 얻기 위해 읽어보는 중이라 메소드까지만 정리했습니다.인사이트 : system cold start proplem을 해결하기 위해 제안한 방법이라고는 주장하지만, 다른 user profile 및 item profile을 만들어서 추천에 활용하는 논문과의 차별점을 모르겠다. 그나마 차별점이 있다면 item name을 예측하는게 아니라 감정 단어를 예측하는..

https://taewan2002.medium.com/kgat-paper-review-457031b9fa28 KGAT paper reviewKGAT는 Knowledge graph attention network으로 “지식 그래프”와 “어텐션”을 활용하는 추천 모델입니다. 이전의 FM, Wide&Deep 등 SL 방식의 모델들이 side-information을 잡으려고 했지만…taewan2002.medium.comhttps://process-mining.tistory.com/193 TransR knowledge graph embedding 설명 (TransR 설명)TransR은 knowledge graph embedding 방법 중 하나로, projection matrix를 활용해서 head와 tail n..

더보기AbstractAbstract추천 시스템에 KG를 통합하는 것은 최근 몇 년 동안 점점 더 많은 관심을 끌고 있음. KG 내의 interlinks(상호 연결)을 탐색함으로써 user와 item 간의 연결성을 paths로 발견할 수 있고 이는 user-item interactions에 풍부하고 보완적인 정보를 제공해줌. 이러한 연결성은 엔티티와 relation의 semantics(의)를 드러낼 뿐만 아니라 user의 interest을 이해하는 데도 도움이 됨.그러나 기존의 노력들은 경로 내의 순차적 종속성(sequential dependencies)과 전체적인 의미를 모델링하는 측면에서 user 선호도를 추론하기 위해 이 연결성을 충분히 탐구하지 못했음.본 논문에서는 추천을 위해 지식 그래프를 활용하..

더보기일논문 읽기 전, 대략적인 내용 파악1. 서론최근 개인화 추천 시스템에서는 지식 그래프(Knowledge Graph, KG)의 구조화된 정보를 활용한 연구가 활발히 진행되고 있다. 대부분의 기존 연구는 더 정확한 추천을 위해 지식 그래프를 활용하는 데 중점을 두지만, 본 논문에서는 명시적인 지식 추론을 통해 추천을 생성하고 이를 해석 가능한 인과 추론 절차로 지원하는 방법을 제안한다. 이를 위해 정책 기반 경로 추론(Policy-Guided Path Reasoning, PGPR) 방법을 제안하며, 추천과 해석 가능성을 결합하여 실제 경로를 제공한다.핵심 키워드: 지식 그래프, 개인화 추천, 정책 기반 경로 추론, 해석 가능성2. 연구 문제 및 방법기존의 KG 기반 추천 방법은 주로 KG 임베딩 모델..