세션 그래프 생성을 통한 GCN 기반의 추천시스템
GCN-based recommendation system through session graph creation
- 발행기관 서강대학교 일반대학원
- 지도교수 정성원
- 발행년도 2024
- 학위수여년월 2024. 8
- 학위명 석사
- 학과 및 전공 일반대학원 인공지능학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000079231
- UCI I804:11029-000000079231
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
세션 기반 추천시스템(Session-Based Recommendation System)은 익명의 사용자가 순차적으로 방문하거나 구매한 아이템의 이력을 세션으로 기록하여, 이후에 선택할 아이템을 예측하는 시스템이다. 최근 E-Commerce와 다양한 온라인 플랫폼 발전에 따라 온라인상의 사용자 활동이 급증하면서, 세션 데이터의 양도 폭발적으로 증가하였다. 이러한 세션 데이터를 활용함으로써, 세션 내에 숨겨진 사용자의 행동 패턴을 추출하고 이를 학습하여, 다음에 사용자가 선택할 가능성이 높은 아이템을 예측할 수 있게 되었다. 기존의 추천시스템은 사용자의 프로필 정보와 장기적인 구매 이력을 바탕으로 아이템을 추천한다. 이는 장기적인 사용자 취향을 파악하는 데 유리하나, 익명의 사용자나 새로운 사용자에게는 한계가 있다. 반면, 세션 기반 추천시스템은 주로 단기적인 아이템 상호작용 정보를 활용하여, 익명의 사용자에게도 효과적으로 아이템을 추천할 수 있는 장점을 가진다. 세션 기반 추천시스템은 개별 세션 내의 패턴을 분석하고, 이를 바탕으로 다음에 추천할 아이템을 결정한다. 본 연구에서는 세션 간 유사도를 활용하여, 명시적인 세션 간의 연관성이 없더라도 유사한 기준에 따라 익명의 사용자에게 아이템을 추천하는 방법을 제안한다. 세션 간 유사도를 측정하는 다양한 기법을 도입하여, 세션 기반 추천시스템의 성능을 향상하고자 하였다. 실험 결과 Diginetica 데이터셋에서 기존의 방법보다 평가지표 Hit에서 9.19% 높은 성능을 보였다.
more