원문정보
피인용수 : 0건 (자료제공 : 네이버학술정보)
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
2. 연구방법
2.1 데이터 개요 및 그래프 구조 생성
2.2 연구 모델 및 실험 설계
References
저자정보
참고문헌
자료제공 : 네이버학술정보