Generative Recommendation 을 위한 행동 강도 및 전이 모델링

요약

본 논문은 다양한 상호작용 유형을 모델링하여 사용자의 전환을 예측하는 다중 행동 추천 시스템의 한계를 개선하기 위해 제안된 'BITRec'이라는 새로운 생성적 프레임워크를 소개합니다. 기존 방법들이 행동 강도 차이나 전이 패턴 포착에 실패했던 문제를 해결하고자, BITRec은 계층적 행동 집계(HBA)와 명시적인 관계 행렬을 이용한 전이 관계 인코딩(TRE)을 도입했습니다. 대규모 데이터셋 실험 결과, 여러 주요 추천 지표에서 15~23%의 높은 성능 향상을 입증하며 그 효과를 보여주었습니다.

핵심 포인트

• 다중 행동 추천은 사용자의 다양한 상호작용 유형을 모델링하여 전환 예측에 활용된다.
• 기존 생성적 방법들은 행동 강도 차이나 전이 패턴 포착에 한계가 있었다.
• 제안된 BITRec 프레임워크는 '탐색'과 '헌신' 경로를 분리하는 계층적 행동 집계(HBA)를 통해 행동 강도를 명시적으로 모델링한다.
• BITRec은 명시적인 관계 행렬을 이용한 전이 관계 인코딩(TRE)으로 복잡한 행동 전이 구조를 효과적으로 포착한다.
• 실험 결과, BITRec은 대규모 데이터셋에서 여러 추천 지표(MRR, HR@10 등)에 걸쳐 15~23%의 성능 개선을 달성했다.