번들 추천을 위한 초그래프 강화 듀얼 합성곱 신경망
Hypergraph-Enhanced Dual Convolutional Network for Bundle Recommendation
번들 추천(Bundle recommendation)은 개별 아이템이 아닌 연관된 아이템들의 묶음을 순위화합니다. 번들 추천의 핵심 과제는 번들의 순위를 매기는 데 필요한 신호를 잃지 않으면서 사용자 선호도, 아이템 상호작용 및 번들 구성을 연결하는 것입니다. 본 연구에서는 사용자-번일, 사용자-아이템, 번들-아이템 상호작용과 사용자 내부 및 번들 내부 관계를 포함하는 완전 초그래프(complete hypergraph)를 구축하는 초그래프 강화 듀얼 합성곱 신경망(Hypergraph-Enhanced Dual Convolutional Neural Network, HED)을 제안합니다. HED는 완전 초그래프 전파를 사용자-번들 브랜치와 결합하여, 추천에 특화된 신호를 보존하는 동시에 아이템을 인식하는 고차 컨텍스트가 순위 산정에 반영되도록 합니다. NetEase 데이터셋에서 HED-128은 보고된 6개 지표 전반에 걸쳐 가장 강력한 기준선(baseline) 대비 5.04~6.97% 성능 향상을 달성했으며, Youshu에서는 HED-64가 1.87~4.56% 향상되었습니다. 절제 연구(ablation) 결과는 사용자-번들 브랜치와 유형 내부(intra-type) 관계 모두의 기여도를 뒷받침하며, 민감도 분석을 통해 주요 하이퍼파라미터의 안정적인 작동 범위를 확인했습니다. 또한 메모리 비용을 포함하여 완전 초그래프의 연산 트레이드오프를 정량화했습니다. 이러한 실증적 근거는 평가된 두 가지 번들 추천 데이터셋에서 HED의 우수성을 입증하는 동시에 자원 한계를 명확히 보여줍니다. 코드와 데이터셋은 논문 게재 시 공개될 예정입니다.