베이지안 개인화 순위 방법 기반 대용량 이종 네트워크에서의 효율적인 랜덤 워크 순위 계산

Abstract

랜덤 워크 기반 순위 계산 방법(random walk with restart)은 그래프 기반 추천 시스템에서 특정 노드에 대한 관련성이 높은 주변 노드를 검색하는 방법이다. 그러나 본 알고리즘을 대용량 이종 네트워크(large-scale heterogeneous network)에 적용하는 경우 두 가지 문제점이 생긴다. 먼저 다양한 간선의 종류를 고려하여 서로 다른 적합한 가중치를 부여하여야 하며, 가중치를 임의로 설정했을 경우 결괏값에 대한 정확성과 신뢰도가 떨어진다. 더불어 그래프가 대용량일 경우 메모리와 연산시간이 많이 소모되기 때문에 일반적인 행렬 연산방법을 적용하기 어렵다. 본 논문에서는 우선 베이지안 개인화 순위 방법(Bayesian personalized ranking)으로 간선의 종류에 따른 가중치를 학습한다. 이후 대용량에서 발생하는 문제를 해결하기 위해 BePI 알고리즘을 적용하여, 정확성과 계산성능 면에서 효율적으로 대용량 이종 네트워크에서 랜덤 워크 순위를 계산하는 방법을 제시한다.