[ENG] Neural Graph Collaborative Filtering paper review

[@딥러닝논문읽기모임]

1. User와 Item 숫자의 증가에 따른 Performance matric (e.g., Traing 시간) 이 궁금합니다. 기존의 MF 와 비교값도 궁금하네요. 2. Recommend system 에 사용된다면, 실시간/매일/매주 데이타가 트레이닝에 사용되는 데이타가 업데잇 된다고 생각됩니다. 만약 새로운 Item (e.g., 새로 releas 된 영화) 이 추가 될 경우, 어떻게 효율적으로 re-train을 할 수 있는지 궁금하네요. 답변 1. User Item 증가에 따른 퍼포먼스는 논문에서 다루지 않아서 저 역시도 궁금한 부분입니다. User/Item의 증가를 다룰 수 없던 이유는 아무래도 학계에서 발표한 논문이다 보니, 오프라인 테스트만 가능했기에 그런 것 같습니다. 임의로 데이터를 생성해서 추가해주는 방법도 있겠지만, 그러기에는 리소스가 많이 들고, 데이터 편향이 커질 수 있기 때문에 고려하지 않은 것으로 생각됩니다. 기업에서 해당 논문 모델을 가져다가 온라인 성능평가를 해보면 결과값을 가장 잘 알 수 있겠지만 이 역시도 기업의 수익과 직접 맞닿아 있는 부분이기에 아직은 어렵지 않을까 추측합니다. 2. 앞서 말씀드린 바와 같이, 본 논문을 통해서는 알기가 어렵습니다. 하지만 제 개인적인 소견으로는 기존의 그래프 노드들과 새로 유입된 유저/아이템간의 유사도 측정을 통해 가장 가까운 유저/아이템 노드와 연결되는 방식으로 re-train이 이루어지지 않을까 예상합니다. 데이터가 만약 충분하지 않다면 meta few-shot learning을 함께 적용하는 방법도 있을 텐데, 이와 관련되서는 제가 다음번 발표 전까지 좀 더 공부해보겠습니다. 감사합니다.

[@김현우-u6x]

내용 너무 좋은데요? 자료 감사합니다.

[@beatricedalle9311]

감사합니다. 많은도움이 되었습니다.!!

[@ppos78]

추천시스템 관련 논문 작성을 하고 있는데요 설명을 너무 쉽게 잘 해주셨네요. MF 에 CB를 하이브리드하려고 했는데, Neural Graph Collaborative Filtering 논문을 찾아봐야겠네요. 혹시 해당 강의의 발표자료를 얻을 수가 있나요?

[@딥러닝논문읽기모임]

www.slideshare.net/taeseonryu/neural-graph-collaborative-filtering-paper-review?fbclid=IwAR0B4nYa9OyepM5E4HLPHZUCRkONlIIPr7bKDwsgyyRjFnMZTqMjS576zbY 3기 부터는 발표자료가 슬라이드 쉐어에 다 같이 공유 됩니다 ㅎㅎ 감사합니다.

[@조원배-w4e]

먼저 논문을 너무 자세히 설명해주셔서 감사합니다. 질문이 있습니다. Neural Graph Collaborative Filtering 모델 성능을 실험하는 단계에서요 데이터가 총 3가지가 들어가는데 Interactions과 Density에 대한 설명을 들을 수 있을까요? 제가 지금 최근 본영화의 기록과 유저 아이디를 가지고 추천 알고리즘을 만들려고 하고있습니다. 만약 그렇게 하게되면 저기 2가지에 어떻게 들어가야될까요?