순차적 다양성 최적화와 이론적 보장

초록

본 논문은 사용자가 아이템을 순차적으로 탐색하는 상황을 모델링하여, 아이템 순위와 사용자 지속 확률을 고려한 새로운 ‘순차적 다양성’ 목표를 정의한다. 두 가지 대표적 다양성 측정인 쌍별 거리 합(sum‑diversity)과 커버리지 다양성에 대해 문제의 NP‑hard성을 보이고, 각각에 대해 상수 계수 근사 알고리즘을 제시한다. 커버리지 경우는 순서‑서브모듈러 구조를 이용해 그리디가 ½‑근사를 제공하고, 쌍별 거리 합 경우는 연속 확률의 크기에 따라 BτI와 SBτI 두 알고리즘을 설계해 일정한 근사 비율을 보장한다. 실험을 통해 제안 방법이 기존 베이스라인보다 우수함을 확인하였다.

상세 분석

이 논문은 정보 검색·추천 시스템에서 사용자가 결과 리스트를 위에서 아래로 살펴보는 실제 행동을 반영한 ‘순차적 다양성(Sequential Diversity)’ 모델을 제시한다. 각 아이템 i에 대해 사전 학습된 지속 확률 p_i(사용자가 아이템을 받아들이고 다음 아이템을 계속 볼 확률)를 부여하고, 사용자는 확률적으로 리스트를 중단한다. 목표는 사용자가 실제로 받아들인 아이템 집합 A에 대한 다양성 함수 D(A)의 기대값 E