협업 필터링을 넘어서: 하이퍼커넥트 AI의 추천 모델링

핵심 내용

• 추천 시스템에서 협업 필터링을 행렬 완성 문제로 보고, 저랭크 행렬 분해로 선호도를 예측하는 기본 관점 정리
• 행렬 분해 해법으로 교대 최소화와 경사 하강법을 비교하고, 하이퍼커넥트 AI는 대용량 처리와 성능을 이유로 SGD를 주로 사용
• 기존 협업 필터링 연구를 입력 형태에 따라 형태로 추상화하고, 유저/아이템 아이디와 히스토리를 함께 넣는 통합 모델링을 적용
• GNN 계열은 아직 배포 복잡성과 벤치마크 근거 부족으로 우선순위가 낮고, 보조 정보 활용과 FM 계열 확장 가능성도 함께 언급

선택 이유

• 추천 문제의 다양한 모델을 하나의 함수 형태로 추상화해 사고하는 관점 강조
• 데이터 부족, 신규 유저, 보조 정보 활용 등 실무적 확장 방향 제시

주의할 점

• SGD 사용 시 가중치 감쇠 정규화 필요
• 관측이 불균일해 오버피팅·언더피팅이 생길 수 있어 추가 기법 검토 필요

적용해볼 점

• 유저/아이템 아이디와 히스토리 정보를 함께 활용하는 통합 입력 설계
• GNN 도입 전 벤치마크 성능과 배포 복잡성 검토