설명
Neural Graph Collaborative Filtering (NGCF)는 그래프 신경망을 활용하여 협업 필터링을 강화하는 고급 추천 프레임워크입니다. 사용자-아이템 상호작용을 이분 그래프로 표현하여 협업 신호를 명시적으로 인코딩합니다. 그런 다음 모델은 이 그래프를 통해 임베딩을 전파하여 기존 방법으로는 놓칠 수 있는 고차 연결성 패턴을 포착합니다.
더 읽기
이 접근 방식을 통해 NGCF는 상호작용 데이터 내의 복잡한 관계를 고려하여 사용자 및 아이템에 대한 더 풍부한 표현을 학습할 수 있습니다. 이 프레임워크는 사용자 선호도 및 아이템 특성의 기본 구조를 효과적으로 모델링하여 추천 정확도를 향상시키도록 설계되었습니다. 제공된 구현은 SIGIR 2019에 발표된 연구 논문을 기반으로 합니다.
이 프레임워크는 아키텍처의 유연성을 제공하여 제안된 'ngcf' 레이어를 포함한 다양한 유형의 그래프 컨볼루션 레이어와 'gcn' 및 'gcmc' 옵션을 사용할 수 있습니다. 사용자는 인접 행렬에 대해 'ngcf', 'plain', 'norm', 'gcmc'와 같이 노드 연결 및 감쇠 계수를 정의하는 고유한 방법을 제공하는 다양한 유형의 라플라시안 행렬을 지정할 수도 있습니다.
또한 NGCF는 과적합을 방지하고 일반화를 개선하기 위해 노드 드롭아웃 및 메시지 드롭아웃과 같은 드롭아웃 기법을 정규화에 통합합니다. 이 구현은 Gowalla 및 Amazon-book의 두 가지 처리된 데이터셋을 지원하며 다양한 구성으로 모델을 실행하기 위한 예제 명령을 제공합니다. 환경 요구 사항에는 Python 3.6.5 및 특정 버전의 TensorFlow, NumPy, SciPy, Scikit-learn이 포함됩니다.
NGCF는 미묘한 사용자-아이템 관계를 포착하고 개인화된 추천의 품질을 향상시키려는 추천 시스템에 특히 유용합니다. 그래프 기반 접근 방식은 효과적인 사용자 참여 및 만족도를 위해 고차 연결성을 이해하는 것이 중요한 대규모 및 복잡한 상호작용 데이터셋을 가진 플랫폼에 적합합니다.
- 카테고리AI 모델 및 LLM
- 요금제오픈소스
- 배포셀프 호스팅
- 플랫폼Linux, macOS, Windows
Neural Graph Collaborative Filtering의 핵심 기능
그래프 신경망 기반 추천 프레임워크
협업 신호를 명시적으로 인코딩
사용자-아이템 이분 그래프에서 고차 연결성 학습
더 풍부한 표현을 위한 임베딩 전파
다양한 그래프 컨볼루션 레이어 유형 지원 (ngcf, gcn, gcmc)
다양한 인접 행렬 유형 제공 (ngcf, plain, norm, gcmc)
정규화를 위한 노드 드롭아웃 포함
정규화를 위한 메시지 드롭아웃 포함
Gowalla 및 Amazon-book 데이터셋으로 테스트됨
Tensorflow로 구현됨
Neural Graph Collaborative Filtering 시작하기
환경 설정: Python 3.6.5 및 필요한 패키지(tensorflow, numpy, scipy, sklearn)를 설치합니다.
데이터 준비: 제공된 처리된 데이터셋(Gowalla, Amazon-book)을 사용하거나 자체 데이터를 형식화합니다.
모델 구성: 그래프 컨볼루션 레이어 유형, 인접 행렬 유형 및 드롭아웃 비율을 선택합니다.
훈련 실행: 지정된 데이터셋 및 하이퍼파라미터로 NGCF 스크립트를 실행합니다.
성능 평가: 훈련된 모델을 기반으로 추천 결과를 분석합니다.
통합: 훈련된 모델을 추천 시스템에 배포하도록 조정합니다.
Neural Graph Collaborative Filtering의 사용 사례
- 개인화된 추천
- 전자상거래 상품 검색
- 콘텐츠 추천
- 소셜 네트워크 제안
- 그래프 기반 특징 학습
