negative sampling2 [Graph Neural Networks] Node Embedding "> 2025.06.08 - [Data & Research] - [Graph Neural Networks] Table of Contents오랜만에 Graph Neural Networks의 포스팅을 이어가보려 합니다. 우리가 다루어야할 것은 추상적인 개념의 Graph인데 딥러닝 등의 정량적인 방식으로 다루기위해서는 어떻게든 수치화하는 것이 필요할 것입니다. 그런 관점에서 Graph의 node를 수치화(embedding)하겠다는 것이 node embedding입니다. node를 embedding한 결과물은 latent vector가 됩니다. 수치화하는 것도 중요하지만 그 과정에서 원래 graph에서 가까운 node들은 embedding 후에도 여전히 높은 유사도를 갖도록 해야 적절한 embedding이라고 .. 2025. 6. 3. [Recommender System] Neural Collaborative Filtering 2025.06.01 - [Data & Research] - [Recommender System] Table of Contents앞선 포스팅에서 Matrix Factorizaton(MF)등의 Collaborative filtering을 소개했었죠? 그런데 대부분의 user-item 상호작용 matrix는 관찰된 데이터가 극히 적어 대부분의 공간이 비어있는 상태입니다. 이러한 희소성(sparsity)은 모델이 user나 item에 대한 충분한 정보를 학습하는 것을 방해하여 예측 모델의 효율성을 저하시킵니다. 이와 밀접하게 관련된 것이 Cold start 문제입니다. 학습 데이터에 존재하지 않는 새로운 item이나 상호작용 이력이 거의 없는 신규 user의 경우, 모델이 해당 entity에 대한 유의미한 임베.. 2025. 5. 31. 이전 1 다음 반응형
