시퀀스 추천(Sequential Recommendation)에서 Transformer 계열의 대표작으로는 SASRec과 BERT4Rec이 빠지지 않는다. 두 모델은 겉보기 구조가 유사하지만, 실제로는 학습 목표와 정보 사용 방식이 완전히 다르다. 이 차이는 수식 수준에서 매우 명확하게 드러난다.1. 공통 문제 설정: 유저 시퀀스로 다음 아이템을 맞히기유저 u의 상호작용 시퀀스를라 하자. 목표는 일반적으로 t까지 관측했을 때 다음 아이템 st+1 혹은 “마지막 이후의 아이템”을 추천하는 것이다.두 논문 모두 Transformer encoder 블록(Attention + FFN + Residual/LN)을 쓰지만, SASRec은 next-item(AR(auto regressive)), BERT4Rec은 m..
