이종 데이터 간 관계 모델링을 통한 개인화 추천 시스템의 지식 그래프 확장 기법
Extended Knowledge Graph using Relation Modeling between Heterogeneous Data for Personalized Recommender Systems
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
많은 추천 시스템 연구에서는 다양한 이종 데이터를 상호 호환적으로 통합하여 추천 시스템의 고질적인 데이터 부족 문제를 해결하고자 한다. 하지만, 지식 그래프를 활용하여 이종 데이터의 통합을 달성한 추천 시스템 연구는 거의 없으며, 대부분 연구에서는 기구축된 지식 그래프 상의 개체 간 연결이 명시적 관계로만 구성되어있다는 한계가 존재한다. 본 논문에서는 이종 데이터의 통합을 위해 다중 지식 베이스로부터 추출한 데이터 간 관계 모델링을 수행하고, 이를 통해 지식 그래프를 확장하는 방법을 제안한다. 또한, 딥러닝 기반의 잠재적 관계 모델링을 통해 지식 그래프 상 개체 간 관계 정보의 신뢰성을 높이고자 한다. 본 논문에서 제안하는 확장된 지식 그래프를 사용하면 개체의 특성 벡터 품질이 개선되고, 최종적으로 예측된 사용자 선호도의 정확성을 높일 수 있다. 또한, 실험을 통해 확장된 지식 그래프 기반 추천 정확도가 기존 지식 그래프 기반 추천 정확도에 비해 향상되었음을 확인하였다.
Abstract
Many researchers have investigated ways to enhance recommender systems by integrating heterogeneous data to address the data sparsity problem. However, only a few studies have successfully integrated heterogeneous data using knowledge graph. Additionally, most of the knowledge graphs built in these studies only incorporate explicit relationships between entities and lack additional information. Therefore, we propose a method for expanding knowledge graphs by using deep learning to model latent relationships between heterogeneous data from multiple knowledge bases. Our extended knowledge graph enhances the quality of entity features and ultimately increases the accuracy of predicted user preferences. Experiments using real music data demonstrate that the expanded knowledge graph leads to an increase in recommendation accuracy when compared to the original knowledge graph.
참고문헌 (26)
- 김형숙, "인공지능 기반 개인 맞춤형 의류 추천 서비스 개발", 스마트미디어저널, 10(1), pp.116~123 (2021), (사)한국스마트미디어학회[DOI]
- Xiang Wang, "Kgat: Knowledge graph attention network for recommendation", Proceedings of the 25th ACM SIGKDD international conference on knowledge discovery & data mining(KDD '19), pp.950~958 (2019)
- Rui Sun, "Multi-modal knowledge graphs for recommender systems", Proceedings of the 29th ACM international conference on information & knowledge management(CIKM '20), pp.1405~1414 (2020)
- Xiangnan He, "Neural collaborative filtering", Proceedings of the 26th international conference on world wide web, pp.173~182 (2017)
- Xiting Wang, "Multi-level recommendation reasoning over knowledge graphs with reinforcement learning", Proceedings of the ACM Web Conference 2022, pp.2098~2108 (2022)
- Sabino Metta, "Leveraging MPEG-21 user description for interoperable recommender systems", Proceedings of the 31st Annual ACM Symposium on Applied Computing, pp.1072~1074 (2016)
- Mehrbakhsh Nilashi, "A recommender system based on collaborative filtering using ontology and dimensionality reduction techniques", Expert Systems with Applications, 92, pp.507~520 (2018)
- Stuart E Middleton, "Capturing knowledge of user preferences : ontologies in recommender systems", Proceedings of the 1st international conference on Knowledge capture, pp.100~107 (2001)
- Xiang Wang, "Explainable reasoning over knowledge graphs for recommendation", Proceedings of the AAAI conference on artificial intelligence, 33, pp.5329~5336 (2019)
- 김아령, "HOI 데이터셋의 상호운용성 및 확장성을 위한 온톨로지 구축", 정보과학회논문지, 48(8), pp.947~958 (2021), 한국정보과학회[DOI]
- C. Chung, "Knowledge Graph Embedding via Metagraph Learning", Proc. of the 44th International ACM SIGIR Conference on Research and Development in Information Retrieval, pp.2212~2216 (2021)
- 최수정, "링크 추정을 위한 지식 그래프 임베딩 기반의 앙상블 모델", 정보과학회논문지, 47(5), pp.473~478 (2020), 한국정보과학회[DOI]
- 노재승, "뉴로 심볼릭 기반 규칙 생성을 통한 지식 완성 기법", 정보과학회논문지, 48(4), pp.425~433 (2021), 한국정보과학회[DOI]
- 공승환, "개체 유형 정보를 활용한 지식 그래프 임베딩", 정보과학회논문지, 49(9), pp.773~779 (2022), 한국정보과학회[DOI]
- Bahram Amini, "A reference ontology for profiling scholar’s background knowledge in recommender systems", Expert Systems with Applications, 42(2), pp.913~928 (2015)
- Fabiana Freire de Araujo, "MeMO : A clustering-based approach for merging multiple ontologies", 2010 Workshops on database and expert systems applications, pp.176~180 (2010)
- Olawande Daramola, "Building an ontology-based framework for tourism recommendation services", Information and Communication Technologies in Tourism, pp.135~147 (2009)
- Hongwei Wang, "Knowledge graph convolutional networks for recommender systems", The world wide web conference, pp.3307~3313 (2019)
- Weizhi Ma, "Jointly learning explainable rules for recommendation with knowledge graph", The world wide web conference, pp.1210~1221 (2019)
- Xiou Ge, "CORE : A knowledge graph entity type prediction method via complex space regression and embedding", Pattern Recognition Letters, 157, pp.97~103 (2022)
- R. Xie, "Representation Learning of Knowledge Graphs with Hierarchical Types", Proc. of the 25th International Joint Con-ference on Artificial Intelligence, pp.2965~2971 (2016)
- Zhu Sun, "Recurrent Knowledge Graph Embedding for Effective Recommendation", Proceedings of the 12th ACM Conference on Recommender Systems(RecSys ’18), pp.297~305 (2018)
- Thierry Bertin-Mahieux, "The million song dataset", Proceedings of the 12th International Society for Music Information Retrieval Conference(ISMIR 2011), pp.591~596 (2011)
- Wang, H., "Ripplenet : Propagating user preferences on the knowledge graph for recommender systems", Proceedings of the 27th ACM international conference on information and knowledge management, pp.417~426 (2018)
- 홍택은, "전력 비즈니스 플랫폼 기반의 전력 도메인 온톨로지 구축 및 추론 방법", 스마트미디어저널, 9(2), pp.51~62 (2020), (사)한국스마트미디어학회[DOI]
- 이희준, "딥러닝을 이용한 시퀀스 기반의 여행경로 추천시스템 -제주도 사례-", 스마트미디어저널, 9(1), pp.45~50 (2020), (사)한국스마트미디어학회[DOI]