Current Result Document :
| 한글제목(Korean Title) |
롱테일 분포를 고려한 세션 기반 추천의 인기도 편향 완화 기법 |
| 영문제목(English Title) |
Alleviating Popularity Bias in Session-based Recommendation Considering Long-tail Distribution |
| 저자(Author) |
양희윤
이지형
Heeyoon Yang
Jee-Hyong Lee
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 0532 ~ 0534 (2022. 12) |
한글내용
(Korean Abstract) |
세션 기반 추천에 사용되는 세션 데이터셋은 롱테일 분포(Long-tail Distribution)를 지니고 있어, 자주 등장하는 아이템들이 활발히 학습되어 인기도 편향(Popularity Bias) 문제가 빈번히 발생한다. 학습 과정에서 등장 빈도가 높은 아이템들은 노름(Norm)이 증가하고, 세션 기반 추천의 특성상 노름이 큰 아이템들에 치우쳐서 추천되는 경향이 있다. 본 논문에서는 이를 완화하기 위해서 노름의 크기를 기준으로 한 Mixup과 Focal Loss를 적용했다. 노름이 작은 세션들을 기준으로 큰 세션들과 Manifold Mixup하여 노름이 작은 세션들을 활발히 학습하여 꼬리 아이템에 대한 정확도를 향상했다. Focal Loss를 통해 모델이 분류하기 어려운 꼬리 아이템에 가중치를 부여하여 머리 아이템에 대한 인기도 편향을 낮추었다. 결과적으로, 꼬리 아이템에 대한 정확도 향상과 인기도 편향 완화를 동시에 달성하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
