연구진이 시맨틱 그래프 디퓨전 기반 예측 프레임워크 RAID를 제안했어요. RAID는 기존 방식의 상관관계 학습 대신 메타데이터 기반 시맨틱 검색과 그래프 기반 디퓨전을 활용해요.
새로운 아이템에 대한 과거 관측 기록이 없는 콜드 스타트 환경에서 RAID는 기존 모델보다 정확도와 예측 구간 커버리지 모두 우수해요.
RAID는 다국어 임베딩 모델을 활용해 시맨틱 검색 공간을 구축하고, 이를 통해 영어 데이터로 학습된 모델이 다른 언어의 아이템에 대한 예측도 가능해요.