Personalized Attentive Neural Network for Sequential Recommendation

Abstract

As the number of users of e-commerce, online video service (OTT), and audio streaming services has soared, the academic and industrial interest in the sequential recommendation system is growing. In the sequential recommendation system, there are two main perspectives for predicting user's preference for items. The first is the long-term preference of the user, and the second is the short-term interest of the user. In the conventional recommendation system, much research has been conducted to model the users long-term preference. However, an essential issue in modern sequential recommendation systems is to capture context from a chronological item sequence that the user has recently interacted, identifying the user's short term interests. Therefore, in this thesis, we propose a PAN model that creates contextual representation using the user's preference-based attention mechanism that pays attention to items that meet the user's taste. The PAN model not only considers the user's long-term preference by combining the MF method but also captures the user's short-term interest by assigning importance to each item according to the user's preference. Also, we consider the relationship between each item in the sequence and the candidate item at the single item level. To evaluate the performance of the proposed model, we experimented with the state-of-the-art model for the real-world datasets. Experimental results show that our proposed PAN model outperforms the state-of-the-art models for various validation metrics and proves that our proposed model is effective for the sequential recommendation problem.

전자 상거래, 온라인 동영상 서비스(OTT), 음원 스트리밍 서비스 등의 이용자가 급증하면서, 순차적 추천시스템에 대한 학계와 산업계의 관심이 더욱 커져가고 있다. 순차적 추천시스템에서 아이템에 대한 사용자의 선호도를 예측하는 데에는 크게 두 가지의 관점이 존재한다. 첫 번째는 사용자의 장기간 취향이며 두 번째는 사용자의 단기간 관심사이다. 기존의 순차적 추천시스템에서 사용자의 장기간 취향에 대한 부분은 사용자와 아이템의 행렬 분해(MF)와 같은 방법으로 성과를 내고 있었다. 하지만 최신 순차적 추천 시스템에서 중요하게 다루는 문제는 사용자가 최근에 클릭하거나 플레이한 순차적인 아이템 시퀀스로부터 맥락을 잡아내는 것, 즉 사용자의 단기간 관심사를 알아내는 것이다. 따라서 본 논문에서는 사용자의 취향에 부합하는 아이템들에 대해 주의를 기울이는 사용자 취향 기반 어텐션 매커니즘을 사용하여 맥락 표현을 만드는 PAN 모델을 제안하였다. PAN 모델은 MF방법을 결합하여 사용자의 장기간 취향을 고려할 뿐만 아니라, 사용자의 선호도에 따라 각 아이템에 중요도를 부여하여 사용자의 단기간 관심사를 포착하였다. 또한 단일 아이템 수준에서도 아이템 시퀀스에 등장한 각 아이템들과 후보 아이템 사이의 관계성도 고려하였다. 우리는 제안한 모델의 성능을 평가하기 위해 실제 데이터셋에 대해서 최신 모델과 비교하여 실험을 진행했다. 실험 결과, 우리가 제안한 PAN 모델은 여러 검증지표에 대해 최신 모델을 능가하는 성능을 보였고, 이를 통해서 순차적 추천 문제에 대해서 우리가 제안하는 모델이 효과적임을 입증하였다.