[논문 리뷰] Recent Developments in Recommender Systems: A Survey

Yang Li, Kangbo Liu외 3명|arXiv (Cornell University)|2023. 06. 22.

Recommender Systems and Techniques인용 수 12

한 줄 요약

이 설문조사는 추천 시스템의 최신 발전에 대한 포괄적 개요를 제공하며, 분류 체계, 방법, 강건성, 편향과 공정성, 평가 지표, 그리고 향후 방향을 자세히 설명합니다.

ABSTRACT

In this technical survey, we comprehensively summarize the latest advancements in the field of recommender systems. The objective of this study is to provide an overview of the current state-of-the-art in the field and highlight the latest trends in the development of recommender systems. The study starts with a comprehensive summary of the main taxonomy of recommender systems, including personalized and group recommender systems, and then delves into the category of knowledge-based recommender systems. In addition, the survey analyzes the robustness, data bias, and fairness issues in recommender systems, summarizing the evaluation metrics used to assess the performance of these systems. Finally, the study provides insights into the latest trends in the development of recommender systems and highlights the new directions for future research in the field.

연구 동기 및 목표

• 추천 시스템의 현재 최첨단 상태를 요약하고, 개인화, 그룹, 지식 기반 접근을 포함한 주요 분류 체계를 명확히 정리한다.
• 추천 시스템의 강건성, 데이터 편향 및 공정성 이슈와 이들이 성능 및 배치에 미치는 영향을 분석한다.
• 추천 시스템을 평가하는 데 사용되는 평가 지표를 조사하고 합성한다.
• 해당 분야의 진화하는 경향을 조명하고 향후 연구 방향을 제시한다.

제안 방법

• 추천 시스템 분류 체계(개인화, 그룹, 지식 기반)에 관한 기존 문헌을 검토하고 종합한다.
• 협업 필터링(메모리 기반 및 모델 기반), 맥락 인식, 콘텐츠 기반 및 하이브리드 방법을 논의하며, 지식 그래프와 딥 러닝 접근법을 포함한다.
• 강건성, 데이터 편향 및 공정성 문제와 이들이 어떻게 평가되는지 요약한다.
• RS에서의 지식 그래프 사용 현황과 지식 기반 확장을 제공하며, KG 및 관련 모델을 포함한다.

실험 결과

연구 질문

• RQ1 현대의 추천 시스템에서 사용되는 주류 분류 체계와 범주는 무엇인가? (개인화, 그룹 및 지식 기반 접근 포함)
• RQ2 강건성, 데이터 편향 및 공정성이 추천 시스템의 성능 및 배치에 어떤 영향을 미치며, 어떻게 측정되는가?
• RQ3 추천 시스템에 가장 일반적으로 사용되는 평가 지표는 무엇이며, 모델 성능에 대해 무엇을 보여주는가?
• RQ4 추천 시스템의 새로운 트렌드와 향후 방향은 무엇인가? (예: 딥 러닝, 지식 그래프, 맥락 모델링)

주요 결과

• 본 논문은 추천 시스템의 분류 체계, 아키텍처, 지식 원천의 통합에 대해 넓고 최신의 개요를 제공합니다.
• 강건성, 데이터 편향 및 공정성을 상업적 실행 가능성과 평가의 핵심 도전 과제로 강조합니다.
• 협업 필터링(CF), 콘텐츠 기반, 지식 기반 및 하이브리드 방법 등 다양한 방법을 조사하고, 그래프 신경망과 지식 그래프의 증가하는 역할을 주목합니다.
• 평가 프레임워크(등급 기반 및 아이템 기반 지표) 등 다양한 평가 체계를 다루고, 진화하는 경향과 향후 연구 방향을 지적합니다.