GRU4Rec

2015년 Hidasi et al.이 발표한 모델로, 딥러닝 기반 추천의 문을 연 논문이다.

Item2Vec이 시퀀스 순서를 무시했다면, GRU4Rec은 순서가 핵심이다. "A → B → C → ?" 에서 다음 아이템을 맞추는 게 목표.

왜 GRU인가

RNN은 시퀀스 데이터의 기본이지만, vanilla RNN은 긴 시퀀스에서 gradient vanishing이 발생한다. GRU는 LSTM보다 파라미터가 적으면서 비슷한 성능을 내기 때문에, 수백만 세션을 처리하는 추천시스템에 적합했다.

한계

세션 내 정보만 사용한다. 로그인하지 않은 유저가 새 세션을 시작하면 이전 세션 히스토리를 활용할 수 없다. 또한 Transformer가 등장하면서 순서 모델링 자체에서 밀리기 시작했다.