[논문 리뷰] An Analysis of the Features Considerable for NFT Recommendations

Dinuka Piyadigama, Guhanathan Poravi|arXiv (Cornell University)|2022. 05. 01.

Consumer Market Behavior and Pricing인용 수 5

한 줄 요약

이 논문은 분산형 NFT 마켓플레이스에서 관련성을 향상시키기 위해 특성 기반 콘텐츠 유사도와 특성 희귀도 스코어링을 활용한 이중 모델 접근법을 제안한다. 두 방법을 융합함으로써 코사인 유사도를 통한 시각적/의미적 유사도 분석과 희귀도 기반 스코어링을 통한 희소성 기반 가치 평가를 통해, 단일 방법보다 더 포괄적이고 다양한 추천을 제공할 수 있음을 입증한다.

ABSTRACT

This research explores the methods that NFTs can be recommended to people who interact with NFT-marketplaces to explore NFTs of preference and similarity to what they have been searching for. While exploring past methods that can be adopted for recommendations, the use of NFT traits for recommendations has been explored. The outcome of the research highlights the necessity of using multiple Recommender Systems to present the user with the best possible NFTs when interacting with decentralized systems.

연구 동기 및 목표

• 분산형 NFT 마켓플레이스에서 효과적인 추천을 위해 핵심적인 기능—특히 NFT 특성—을 식별하고 평가하는 것.
• NFT 마켓플레이스의 정보 과부하 문제를 해결하기 위해 NFT의 고유한 특성에 맞춘 다중 모델 추천 시스템을 개발하는 것.
• 콘텐츠 기반 및 희귀도 기반 추천 모델을 융합함으로써 사용자 관련성과 탐색 가능성 향상을 평가하는 것.
• 향후 사용자 선호도, 감성, 가격 동향을 NFT 추천 파이프라인에 통합할 수 있는 기반을 마련하는 것.

제안 방법

• NFT 특성 벡터 간 코사인 유사도를 활용한 콘텐츠 기반 추천 모델을 적용하여, 시각적·의미적 유사한 NFT를 식별했다.
• 공식 $ T_{r,t} = \sum^{Nt}_{t=1}\frac{1}{\left(\frac{c_{t}}{T_{N}}\right)} $ 를 사용해 각 NFT의 총 희귀도 스코어를 계산하였으며, 여기서 $ c_t $ 는 특성 수이고 $ T_N $ 는 총 공급량이다.
• 기준 NFT의 총 희귀도 스코어와 가장 가까운 10개의 NFT를 선택하여 추천을 생성했다.
• 코사인 유사도와 희귀도 스코어의 산점도를 시각화하고 비교하여 다양성과 관련성의 정도를 평가했다.
• OpenSea API 데이터와 NFT 특성에 관한 개방형 데이터셋을 활용해 모델를 훈련 및 평가하였으며, 속도 제한과 데이터 부족 문제에 직면했음에도 불구하고 이를 극복했다.
• 향후 향상 가능성을 탐색하기 위해 LSTM 기반 딥러닝 및 감성 분석 통합 가능성을 탐색했지만, 데이터 제약으로 인해 적용하지 못했다.

Figure 1: Trait Similarity Content based recommendations

실험 결과

연구 질문

• RQ1 분산형 마켓플레이스에서 관련성 있는 추천을 생성하기 위해 어떤 NFT 기능이 가장 효과적인가?
• RQ2 콘텐츠 기반 유사도와 특성 희귀도 스코어링은 어떤 방식으로 관련 있는 NFT를 추천하는 데 효과적인가?
• RQ3 콘텐츠 기반 및 희귀도 기반 모델을 융합할 경우, 단일 모델을 사용하는 것보다 더 다양하고 정확한 추천을 제공할 수 있는가?
• RQ4 NFT의 고유성과 낮은 데이터 일관성으로 인해, LSTM과 같은 딥러닝 모델을 NFT 추천에 적용할 때의 한계는 무엇인가?
• RQ5 사용자 선호도, 감성, 역사적 가격 데이터는 NFT 추천 시스템의 향상에 어떻게 기여할 수 있는가?

주요 결과

• 코사인 유사도를 활용한 콘텐츠 기반 모델은 높은 코사인 유사도 스코어를 통해 기준 NFT와 시각적·의미적으로 유사한 NFT를 추천하였다.
• 희귀도 기반 모델은 유사한 희귀도 프로필을 가진 NFT를 추천하였지만, 이러한 항목들은 기준 NFT와 낮은 코사인 유사도를 보였으며, 이는 별개의 추천 영역임을 시사한다.
• 평가 그래프 분석 결과, 두 모델은 대조적인 출력을 보였다: 코사인 유사도 모델은 희귀도 공간에서 일관되지 않게 산점도로 분포한 반면, 희귀도 모델은 낮은 콘텐츠 유사도를 가진 항목을 추천하였다.
• 연구는 두 모델이 상호 보완적이며, 각각 유사성과 희귀도라는 서로 다른 관련성 차원을 포괄하므로 반드시 함께 필요하다고 결론 내렸다.
• 시각적 유사성과 희귀도를 통한 가치 인식을 균형 있게 반영하기 위해 두 모델을 융합하는 것이 포괄적인 추천을 생성하는 데 필수적이다.
• 데이터 가용성 및 API 속도 제한의 도전에도 불구하고, 저자들은 향후 모델 훈련 및 개선을 위한 타당한 자원으로 개방형 데이터셋을 식별하였다.

Figure 3: Total Rarity based recommendations