A noble approach to effective Recommender System using Graph Embedding

본 연구는 그래프 임베딩 방법을 사용한 효율적인 상품 추천을 제시하는 것을 목적으로 한다. 제안된 방법은 구매자-상품 네트워크를 Skip-gram기반의 그래프 임베딩인 DeepWalk로 학습하고, 구매자-상품의 유사도를 사용하여 상위 10개의 상품을 추천한다. 인터넷에 공개된 실제 상품 구매 이력 데이터로부터, 구매자 100명이 6개월간의 구매한 상품 2만개의 데이터를 사용한 실험으로 상품 추천 성능을 평가하였다. 실험결과 본 연구의 제안 방법이 이전의 협업 필터링에 비해 더 좋은 상품 추천 성능을 보였다. 특히, 상품 구매 빈도를 네트워크 간선의 가중치로 사용하는 경우 통계적으로 유의한 차이를 나타냈다. 본 연구의 결과는 온라인 쇼핑이나 마트, 백화점 등에서 보다 성능 높은 상품 추천을 할 수 있는 방안을 제시한다.