GNN 3

이웃의 이웃까지 적용해 보자

1. 초기 상태 (Step 0)

노드 특성:
- A: h⁰ₐ = [1,0,0]   // 운동 선호
- B: h⁰ᵦ = [0,1,0]   // 캐주얼 선호
- C: h⁰ᵧ = [0,0,1]   // 골프 선호

상품 특성:
- 운동화: x₁ = [0.9,0.1,0]
- 운동복: x₂ = [0.8,0.2,0]

2. 1-hop 계산 (Step 1)

1) 상품 정보 집계:
   클릭: 0.3 × [0.9,0.1,0] = [0.27,0.03,0]
   구매: 0.7 × [0.8,0.2,0] = [0.56,0.14,0]
   합계: [0.83,0.17,0]

2) 직접 이웃(B) 정보:
   B영향: 0.8 × [0,1,0] = [0,0.8,0]

3) 1-hop 임베딩:
   h¹ = normalize([0.83,0.17,0] + [0,0.8,0])
   h¹ = [0.8,0.2,0]

3. 2-hop 계산 (Step 2)

1) 이웃의 이웃(C) 정보:
   C영향: 0.8 × 0.6 × [0,0,1] = [0,0,0.48]

2) 최종 임베딩:
   h² = normalize([0.8,0.2,0] + [0,0,0.48])
   h² = [0.7,0.2,0.1]

실제 적용 예시:
"A 사용자가 운동화를 클릭했을 때:
1. 직접 상품 상호작용으로 운동 선호도 강화
2. B의 캐주얼 선호도 일부 반영
3. C의 골프 선호도가 B를 통해 약하게 반영
→ 최종적으로 운동(70%), 캐주얼(20%), 골프(10%) 비율로 추천"