작품개요

Sequential Recommendation은 유저의 순차적인 아이템 소비 기록으로부터 동적인 선호도를 파악하여 다음 아이템을 추천한다. 하지만 Markov-cahin, RNN, 그리고 self-attention 기반의 기존 방법들은 next item prediction loss이라는 단일 loss함수에만 의존하므로 모델이 소비 횟수가 적은 아이템에 대하여 충분히 학습하지 못하는 문제가 발생한다. 따라서 Self-Supervised Learning을 활용하여 이러한 문제를 해결한 모델인 S3-Rec를 소개하고 분석한다. S3-Rec는 sequence data와 context data 간의 연관성을 학습하는 loss함수를 추가함으로써 data representation을 향상시켜 data가 부족한 상황에서도 좋은 성능을 보인다.