협업 필터링을 위한 신경 자기회귀 모델 CF‑NADE
CF‑NADE는 제한된 볼츠만 머신(RBM) 기반 협업 필터링과 신경 자기회귀 분포 추정기(NADE)를 결합한 새로운 신경망 구조이다. 사용자별 가시 유닛 수는 다르지만 모든 모델이 동일한 파라미터를 공유한다. 평점 간 파라미터 공유, 저차원 팩터화, 순위(ordinal) 손실 도입을 통해 파라미터 효율성을 높이고 순서 정보를 반영한다. 단일 은닉층만으로도 MovieLens·Netflix 데이터셋에서 기존 최고 성능을 뛰어넘으며, 깊은 구조로 …
저자: Yin Zheng, Bangsheng Tang, Wenkui Ding
본 논문은 협업 필터링(Collaborative Filtering, CF) 분야에 새로운 신경망 기반 확률 모델인 CF‑NADE(Neural Autoregressive Distribution Estimator for CF)를 제안한다. 기존의 제한된 볼츠만 머신(RBM) 기반 CF 모델은 학습이 복잡하고 시간이 많이 소요되는 반면, NADE는 이진 벡터에 대한 트레이닝이 효율적이다. 저자들은 NADE의 아이디어를 확장해 가변 길이의 평점 벡터를 다루는 구조를 설계하고, 이를 CF에 적용하였다.
### 1. 기본 모델 설계
- **데이터 표현**: M개의 아이템, N명의 사용자, 평점은 1~K(예: 5점) 정수값. 각 사용자는 D개의 아이템에 대해 평점을 부여했으며, D는 사용자마다 다를 수 있다.
- **모델 구조**: 사용자마다 별도의 CF‑NADE 인스턴스를 두지만, 모든 인스턴스는 동일한 파라미터 집합을 공유한다. 이는 ‘가시 유닛’(평점) 수가 다르더라도 하나의 네트워크가 모든 사용자를 모델링하도록 만든다.
- **조건부 확률**: 체인 룰 p(r)=∏₁ᴰ p(r_{o_i}|r_{o_
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기