[FEAT] LightGCN으로 학습한 유저 임베딩을 Autoencoder 계열에 사용

[Glanceyes]

😎 Responsibility

@wh4044, @juk1329 , @Glanceyes

💡Issue

• @juk1329님이 실험한 LightGCN으로 문제 추천 결과 Inference 시 유저의 성향에 과도하게 편향된 결과가 나온다는 보고가 있었습니다.
• LightGCN의 학습된 유저 또는 태그 임베딩을 Multi-DAE와 Multi-VAE의 입력의 앞단에 붙이는 것을 적용해 볼 필요가 있습니다.

🔗 Reference

Yifan Chen, and Maarten de Rijke. 2017. A Collective Variational Autoencoder for Top-N Recommendation with Side Information. ACM

🧭 To Do

• LightGCN 구현 코드 최적화
• LightGCN로 학습된 유저 임베딩 저장하여 이를 Autoencoder 계열 모델에 사용하는 로직 구현

[Glanceyes]

LightGCN 모델 학습 시 데이터 전처리 부분에서 1시간 이상이 소요되어 꽤 많은 시간이 소모됩니다.
먼저 LightGCN 모델에 사용할 데이터 전처리 부분을 최적화하는 것부터 진행하겠습니다.

for loop로 도는 것보다는 apply나 groupby를 이용해는 게 좋아 보입니다.