Acknowledgement
본 연구는 과학 기술정보통신부 및 정보통신기술진흥센터의 대학 ICT 연구센터지원사업의 연구결과로 수행되었음(IITP-2022-2018-0-01417).
Annual Conference of KIPS (한국정보처리학회:학술대회논문집)
- 2022.11a
- /
- Pages.603-605
- /
- 2022
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
A Study on Augmentation Method for Improving the Performance of the Knowledge Graph Based Attention Network Model
추천 분야에서의 지식 그래프 기반 어텐션 네트워크 모델 성능 향상 기법 연구
- Kim, Gyoung-Tae (Dept. of Artificial Intelligence Applications, Kwangwoon University) ;
- Min, ChanWook (Dept. of Artificial Intelligence Applications, Kwangwoon University) ;
- Kim, JinWoo (Dept. of Artificial Intelligence Applications, Kwangwoon University) ;
- Ahn, JinHyun (Dept. of Management Information Systems, Jeju National University) ;
- Jun, Hee-Gook (Finda) ;
- Im, Dong-Hyuk (School of Information Convergence, Kwangwoon University)
- 김경태 (광운대학교 인공지능응용학과) ;
- 민찬욱 (광운대학교 인공지능응용학과) ;
- 김진우 (광운대학교 인공지능응용학과) ;
- 안진현 (제주대학교 경영정보학과) ;
- 전희국 ((주)핀다) ;
- 임동혁 (광운대학교 정보융합학부)
- Published : 2022.11.21
Abstract
추천시스템은 개개인의 성향에 따른 맞춤화 추천이 가능하기 때문에 음악, 영상, 뉴스 등 많은 분야에서 관심을 받고 있다. 일반적인 추천시스템 모델은 블랙박스 모델이기 때문에 추천 결과에 따른 원인 도출을 할 수 없다. 하지만 XAI 의 모델은 이러한 블랙박스 모델의 단점을 해결하고자 제안되었다. 그 중 KGAT 는 Attention Score 를 기반으로 추천 결과에 따른 원인을 알 수 있다. 이와 같은 AI, XAI 등의 딥 러닝 모델에서 각각의 활성화 함수는 상황에 따라 상이한 성능을 나타낸다. 이러한 이유로 인해 데이터에 맞는 활성화 함수를 적용해보는 다양한 시도가 필요하다. 따라서 본 논문은 XAI 추천시스템 모델인 KGAT 의 성능 개선을 위해 여러 활성화 함수를 적용해보고, 실험을 통해 수정한 모델의 성능이 개선됨을 보인다.
Keywords