데린이 고인물되기

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..