본 논문은 그래프 신경망(GNN) 기반의 추천 시스템에서 특정 학습 데이터를 선택적으로 삭제하는 '추천 학습 제거(unlearning)' 문제를 해결하기 위한 새로운 방법인 UnlearnRec을 제시합니다. 기존의 데이터 제거 방법들은 그래프 구조 손상이나 성능 저하, 복잡한 GNN에서의 가정 위배 등의 문제점을 가지고 있습니다. UnlearnRec은 모델-agnostic 사전 학습 패러다임을 통해 영향 인코더(Influence Encoder)를 사용하여 학습 제거 요청과 기존 모델 파라미터를 바탕으로 재학습 없이 효율적으로 업데이트된 모델 파라미터를 생성합니다. 공개 벤치마크 평가 결과, UnlearnRec은 기존 재학습 방식보다 10배 이상 빠른 속도로 우수한 학습 제거 효과를 보였습니다. 소스 코드는 깃허브에 공개되었습니다.
