제 20회 보아즈(BOAZ) 빅데이터 컨퍼런스 - [꾸라즈] : 북플립 협업 : 인생책을 찾아주는 큐레이션 추천시스템.pdf

목표 (문제)

유저의 explicit data(좋아요, 읽은 책, 인생책 정보)를 활용하여 유저가 선호할만한 아이템을 추천해야 한다. 이때 추천 과정은 총 2가지인데, 메타데이터를 기반으로 팔로우할 만한 유저 추천, 같은 아이템에 관심을 가진 유저가 선호한 다른 아이템을 추천해야 한다. 즉 1번 - 유사한 유저, 2번 - 선호할 만한 아이템을 출력하도록 모델을 학습시켜야 한다.

문제 정의

1. 각 유저들간의 서재정보를 파악해 개인 맞춤형 책을 원하는 유저 id 를 input 했을 때 추천하는 책 id 가 output

2. 나와 성향이 비슷한 서재를 찾길 원하는 유저 id 를 input 했을 때 알맞는 유저 id 가 output

1. 모델 리서치

• BERT4rec - 시퀀셜 데이터를 요구하기 때문에, 유저 - 관심있는 책 데이터에 적합하지 않았다.
• LightGCN - 내 서재에 담긴 책과 유사한 책들을 추천하기에는 적합하나, 다른 유저들과의 책 비교하기 부족했다.
  • 특히나 기존 서재에 담긴 책의 양이 많지 않았기 때문에, **다른 유저들의 서재**까지 참고할 수 있는 모델이 필요했다.

유저 간의 비교를 위해 협업필터링을 기반으로 하는 지식그래프 기반의 딥러닝 모델을 리서치했다.

• KGAT - tripartite 그래프로, **유저 - 아이템 - 유저**의 관계를 학습하여 지식 그래프를 생성한다. 아이템 뿐만 아니라 아이템에 해당하는 속성까지 학습에 고려하기에 적합해 선정했다.

2. 데이터 전처리

entity 지정

우리가 사용한 모델 KGAT에서는, 각 아이템이 가지는 속성을 나타내는 엔터티라는 개념이 있다. entity와 item을 연결해주기 위해 사용자 관련 엔터티와 책 관련 엔터티, 릴레이션 관계를 직접 정의했다.

<aside> 💡 예시)

</aside>

• 이때 효과적인 추천을 위해 책의 인기도 또한 엔터티로 정의했다. 인기도를 나타낼 수 있는 지표를 직접 설정했다.

<aside> 💡 pickCount - 지표 설정

• 각 책에 연결되는 엔터티를 지정하기 위해, 각 책에 pickCount를 구간 별로 나누어 엔터티를 지정해야 한다.
• 지표 : pick된 횟수, 이상치 파악

</aside>

text data로 변환