Earticle

초록

한국어

추천 시스템은 사용자의 선호도를 파악하여 개인화된 콘텐츠를 제공하는데 중요한 역할을 한다. 그러나 기존의 추천 시스템은 희소성 문제와 콜드 스타트에 취약하며, 사용자의 장기적 만족도를 고려하지 않는다는 한계가 있다. 이에 본 연구는 그래프 어텐션 네트워크와 심층 Q-Network를 활용한 새로운 추천시스템을 제안한다. 제안된 모델은 그래프 어텐션 네트워크로 사용자와 아이템의 잠재 표현을 학습하고, 이를 심층 Q-Network의 상태로 활용하여 강화학습 기반의 추천 정책을 학습한다. 이로 인해 사용자의 장기적 만족도를 향상을 기대한다.

목차

1. 서론
2. 연구방법
2.1 데이터 개요 및 그래프 구조 생성
2.2 연구 모델 및 실험 설계
References

저자

• 정경호 [ 국민대학교 비즈니스IT전문대학원 ]
• 안현철 [ 국민대학교 비즈니스IT전문대학원 ]

참고문헌