Acknowledgement
이 논문은 삼성전자 미래기술육성센터의 지원을 받아 수행된 연구 (과제번호 SRFC-IT1901-03)임.
Annual Conference of KIPS (한국정보처리학회:학술대회논문집)
- 2021.05a
- /
- Pages.314-315
- /
- 2021
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
Precision Switching for Efficient Matrix Factorization in Recommender Systems
추천 시스템에서의 효율적인 행렬 분해 모델을 위한 정밀도 변환 기법
- Yu, Jae-Seo (Dept. of Computer Science, Hanyang University) ;
- Ko, Yun-Yong (Dept. of Computer Science, Hanyang University) ;
- Bae, Hong-Kyun (Dept. of Computer Science, Hanyang University) ;
- Kang, Seokwon (Dept. of Computer Science, Hanyang University) ;
- Yu, Yongseung (Dept. of Computer Science, Hanyang University) ;
- Park, Yongjun (Dept. of Computer Science, Hanyang University) ;
- Kim, Sang-Wook (Dept. of Computer Science, Hanyang University)
- 유재서 (한양대학교 컴퓨터소프트웨어학과) ;
- 고윤용 (한양대학교 컴퓨터소프트웨어학과) ;
- 배홍균 (한양대학교 컴퓨터소프트웨어학과) ;
- 강석원 (한양대학교 컴퓨터소프트웨어학과) ;
- 유용승 (한양대학교 컴퓨터소프트웨어학과) ;
- 박영준 (한양대학교 컴퓨터소프트웨어학과) ;
- 김상욱 (한양대학교 컴퓨터소프트웨어학과)
- Published : 2021.05.12
Abstract
최근 딥러닝 분야에서 모델 학습을 가속화하기 위해, 실수 표현 시 사용하는 비트 수를 줄이는 양자화 연구가 활발히 진행되고 있다. 본 논문은 추천 시스템 모델 중 하나인 행렬 분해 모델(Matrix Factorization, MF)에 대한 양자화 수행 시, 발생할 수 있는 학습 정확도 손실을 방지하기 위한 정밀도 변환 방안을 제시한다. 우리는 실세계 데이터셋을 이용한 실험을 통해, 제안 방안이 적용된 MF 모델은 양자화 기법이 적용되지 않은 모델과 비슷한 추천 정확도를 보이며, 약 30% 개선된 속도로 학습됨을 확인할 수 있었다.
Keywords