-
패스트캠퍼스 환급챌린지 30일차 미션 (3월 1일) : 30개 프로젝트로 끝내는 추천시스템 구현 초격차 패키지 강의 후기2024년 패스트 캠퍼스 챌린지 2024. 3. 1. 23:52
강의 내용 Review
📍배운내용📍
- 지식 그래프 기반 추천
- 지식 그래프 임베딩
👉강의내용👈
지식 그래프란?
- GNN기반 추천 알고리즘은 관계의 정보를 반영한다는 장점
- 하지만 설명이 불가능한 단점, 노드 가 같는 속성이나 관계의 구체적인 정보를 활용하지 못함
- cold user같은 경우 상호작용이 많이 없지만 활용할수있는 피처를 활용해서 좀더 나은 추천 을 제공한다.
- 설명가능성을 제공하는 것이 가장 큰 동기
- 지식 그래프: 실제 지식을 어떻게 구성할수있는지? 지식들을 어떻게 구성할수있는지, 지식 네트워크
- Heterogeneous 그래프: 노드와 관계의 경우가 많은 그래프 , 상위 개념이나 시점에도 적용가능
- 구성요소 : 1) 노드, 2) 엣지 3) 라벨
- 노드와 엣지의 종류가 다양해서 어떤 노드인지 관계인지 구별하는 것이 라벨
- 지식 그래프의 활용:
- 지식을 모아둔 이유는 지식들의 관계성을 모아서 검색, 추천, 연구 등에서 활용됨
- 좋은 품질의 검색을 추출 할수있음
- 관계가 잘 정의 되어있으면 새로운 개체가 들어오고 관계가 연결되어 있으면 추론도 할수있음
지식 그래프 임베딩
- 추론 할수있는 방법: 관계를 수치 벡터로 정의 할수있으면 새로운 벡터가 주어지면 관게정보를 더해 새로운 지식을 만들수도 있음 ex) 프랑스 + 수도 = 파리
- 모르는 정보도 추론가능, 의미정보를 잘 반영해서 임베딩 할수있을까?
- 지식 그래프의 개체와 관계를 잘 표현 할수있도록 여려 방법론 존재
- 다양한 관계를 갖는 노드가 개념적인 분류에 따라서 구분 가능함
- 1) 대칭: 동일한 관계, 2) 비대칭 관계: 상위 관계, 3) 반의 관계: 수동과 능동 관계, 4) 조합 관계, 5) 일대다 관계
- 모든 관계를 효율적으로 모두 처리 할수있는 모델은 없고, 태스크에 따라 적절히 선택해야함
- 표기: 출발점(헤드노드), 도착점(테일노드), r: 관계
- TransE/ TransH: 임베딩을 해석하는 방법, 해석을 직관적으로 함
- 한계: 대칭관계 표현 못함, 일대다 관계도 포착하지 못함
- 하이퍼 플레인 위에 맵핑해서 관계 논의, H와 R은 벡터, 관계 평면
- 같은 관계와 노드를 같은 공간내에 맵핑하는 것이 의미 상에서 문제가 있음
- TransR: 선형 변환을 통해 다른 공간으로 맵핑이 되고 이후 관계의 정보를 반영해서 H와 T사이에 맵핑을 하는 것
- 다양한 관계마다 각각의 공간에 맵핑하면서 자유도 확보가능
공부사진
30일차 후기
그래프.. 그래프
본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
'2024년 패스트 캠퍼스 챌린지' 카테고리의 다른 글