소프트웨어학과

구분

내용

추진 배경

추천시스템은 사용자에게 적합한 콘텐츠를 제공해 사용자 경험을 향상시키고 기업의 수익을 증대시킨다

대부분의 소프트웨어 환경에서는 사용자 맞춤 추천 시스템을 사용 중이기 때문에, 연구해 볼 가치가 있었다.

목표 및 내용

기존의 KGAT(Knowledge Graph Attention Network)는 user-item 관계를 단일화하여 다양한 상호작용을 충분히 반영하지 못하고, 복잡한 엔티티 관계로 인해 학습이 어려웠다. 이를 보안하기 위해 사용자-아이템 관계를 세분화한 새로운 알고리즘을 제안한다.

• 수행결과

user-item 관계를 세분화한 데이터셋을 찾지 못하였고, 하드웨어 사양의 문제로 대규모의 데이터를 활용한 딥러닝 학습은 시키지 못하였다. 하지만 데이터셋을 완전 랜덤으로 채택한 것과, 어느정도 유저의 취향을 반영해 다소 규칙적으로 데이터셋을 채택해 학습한 것을 비교하면 월등하게 성능이 좋아지는 것을 확인하였다. 이를 통해 제대로 된 커뮤니티 사이트를 구축하여 서비스하면서 사용자들의 취향에 대한 데이터셋을 얻는다면 더 좋은 성능의 모델을 학습 시킬 수 있을 것이다.