과제정보
이 논문은 (1) 2019 년도 정부(교육부)의 재원으로 한국연구재단의 지원과 (No. 2019R1I1A1A01061588), (2) 2018년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원과 (No. 2018R1A5A7059549), (3) 2017 년도 정부(과학기술정보통신부)의 재원으로 한국연구재단-차세대정보·컴퓨팅기술개발사업의 지원을 받아 수행된 연구입니다 (No. NRF-2017M3C4A7069440).
DOI QR Code
추천 시스템은 사용자들의 과거 구매 이력 등을 학습해서 사용자들이 미래에 구매할 것 같은 상품을 추천한다. 대부분의 추천 시스템 관련 연구들은 사용자들과의 상호작용을 고려하지 않은 채 한 번의 모델 학습과 한 번의 추천만 수행하며, 사용자로부터 추천 결과에 대한 피드백을 받아서 더 나은 추천을 수행하려는 시도는 거의 이루어지지 않았다. 본 논문에서는 기존의 추천 모델들이 사용자와의 상호작용을 추가적으로 고려했을 때 어느 정도의 정확도 향상을 이룰 수 있는지에 대해서 분석한다. 특히 사용자와의 상호작용을 통해 사용자 취향의 다양성을 파악하고 이를 반영하여 더 나은 추천을 제공하는 방법에 대해서 논의한다.
이 논문은 (1) 2019 년도 정부(교육부)의 재원으로 한국연구재단의 지원과 (No. 2019R1I1A1A01061588), (2) 2018년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원과 (No. 2018R1A5A7059549), (3) 2017 년도 정부(과학기술정보통신부)의 재원으로 한국연구재단-차세대정보·컴퓨팅기술개발사업의 지원을 받아 수행된 연구입니다 (No. NRF-2017M3C4A7069440).