Folding : 최적화된 추천시스템이 잘못된 케이스를 추천하는 이유

본 글은 2017년 Recsys에서 Google Research분들이 발표한 논문(Folding: Why Good Models Sometimes Make Spurious Recommendations)에 대한 리뷰입니다. 분명 최적화된 추천시스템임에도 이상한 추천 결과가 나오는 경우도 있다. 이 논문에서는 그 원인을 Data의 분포에서 찾는다. 추천시스템의 데이터는 대부분의 user가 모든 종류의 item에 대해 평가한 경험을 가지고 있지 않는 특성을 지닌다. ex) 어린이는 성인 영화를 아예 평가한 경험이 없다. Folding 현상은 서로 관련 없는 그룹이 embedding space에서 매우 인접하게 되는 현상이다. 좋은 추천시스템을 만들기 위해서는 Folding현상이 일어나지 않도록, Missing Value들을 Related와 Not Related로 잘 구분하여 이해하는 작업이 중요하다. 실제 서비스에 적용할때, 이런 것들을 잘 구분하여, Missing Value들을 조금이라도 채울 수 있다면 더 좋은 추천 기술을 만들 수 있을 것이다. https://dl.acm.org/doi/10.1145/3109859.3109911