- 시점 t=0 (초기 상태):
- 사용자 정보:
- A: 운동 선호 사용자 [1,0,0]
- B: 캐주얼 선호 사용자 [0,1,0]
- C: 골프 선호 사용자 [0,0,1]
- 상품 정보:
- 운동화: [0.9,0.1,0] (운동 성향 강함)
- 트레이닝복: [0.8,0.1,0.1]
- 골프공: [0.1,0,0.9]
- 상호작용:
- 클릭 가중치: 0.3
- 구매 가중치: 0.7
- 시점 t=1 (1-hop 집계):
사용자 A의 h¹ 계산:
- 직접 상호작용 집계:
- 운동화 클릭: 0.3 × [0.9,0.1,0]
- 트레이닝복 구매: 0.7 × [0.8,0.1,0.1]
- 결과: h¹=[0.8,0.1,0.1]
(운동 성향이 더욱 강화됨)
- 시점 t=2 (2-hop 집계):
사용자 A의 h² 계산:
- 이웃 정보 추가 집계:
- B의 운동화 클릭 정보
- C의 골프 관련 정보
- 최종: h²=[0.7,0.2,0.1]
(이웃들의 다양한 선호도가 반영됨)
실제 추천 시나리오:
"이러한 집계 과정을 거치면,
1. 처음에는 단순히 '운동 선호' 였던 A가
2. 상품 상호작용을 통해 '운동화/트레이닝복 선호'로 구체화되고
3. 이웃 정보를 통해 '캐주얼/골프 요소'도 조금씩 반영된
더 풍부한 사용자 프로필이 완성됩니다."
시리즈를 기반으로 작성하였습니다.