다중 모드 추천 시스템 종합 분석

추천 시스템은 사용자-아이템 상호작용을 기반으로 선호도를 추론하여 개인화된 경험을 제공하는 데 핵심적인 역할을 합니다. 최근 다중 모드 정보의 확산에 따라, 다양한 양식의 데이터를 이해하고 해석할 수 있는 추천 시스템 개발의 중요성이 커지고 있습니다. 이러한 시스템은 단일 모드 또는 사용자-아이템 상호작용 데이터만 활용하는 기존 시스템이 간과할 수 있는 숨겨진 관계와 보완 정보를 포착합니다. 본 연구는 다중 모드 추천에 대한 최신 연구 동향을 종합적으로 검토합니다. 대부분의 추천 시스템이 채택하는 명확한 파이프라인을 제시하고, 각 단계에서 일반적으로 사용되는 기술을 설명하며, 활용된 방법에 따라 기존 모델들을 분류합니다. 또한, 여러 기준 모델에 대한 성능 분석을 수행하여 가장 우수한 모델을 식별하고 성능에 영향을 미치는 요인들을 분석합니다. 신규 연구자들이 이 분야의 원리와 기술을 이해하는 데 도움을 주기 위해 코드 프레임워크를 설계했으며, 이는 최신(SOTA) 모델을 쉽게 구현하고 추천 시스템의 성능을 벤치마킹하는 플랫폼 역할도 합니다. 마지막으로, 본 연구는 이 분야의 미해결 과제들을 조명하고 잠재적인 미래 연구 방향을 제시합니다. 이는 다중 모드 추천 시스템 연구의 발전에 기여할 것입니다.