메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
고객센터 ENG
주제분류

Historical Data Embedding Using Hopfield Networks in Reinforcement Learning-Based Recommender Systems Hopfield 네트워크를 통해 과거 데이터 임베딩 기법을 적용한 강화학습 기반 추천시스템

논문 기본 정보

저자정보
(Ewha Womans University) (Ewha Womans University)
저널정보
한국디지털산업학회 한국디지털산업학회지 한국전자거래학회지 제30권 제2호
발행연도
수록면
103 - 120 (18page)
DOI
10.7838/jsebs.2025.30.2.103
오류 신고하기

피인용 0

Historical Data Embedding Using Hopfield Networks in Reinforcement Learning-Based Recommender Systems
검색

    초록·키워드

    본 연구에서는 제한된 최신 정보만 사용하는 대신, 강화학습 기반 추천 시스템에서 과거정보를 모두 활용할 수 있는 방법에 대해 제안한다. 구체적으로, 사용자와 시스템 간의 과거 상호작용을 강화학습 모델의 상태로 고려할 수 있는 Modern Hopfield Network의 확장 모델인 FrozenHopfield(FH)를 활용하여 추천 시스템 성능을 높이는 것을 목표로 한다. 이를 위해 과거 정보를 효율적으로 압축할 수 있는 Transformer-XL과 FH를 결합한 TH-Rec 모델을 제안하고, 이를 추천 시스템에 어떻게 적용할 수 있는지 확인한다. 또한, 인기 숏비디오 플랫폼인 Kuaishou의 KuaiRec 데이터를 이용해 본 연구에서 제안한 접근법을 검증하고, 다른 추천 알고리즘과 성능 비교 실험을 수행하였다. 실험 결과, TH-Rec 모델은 기준 모델들을 크게 능가하며, 과거 데이터를 임베딩하기 위해 Hopfield 네트워크를 강화학습 기반 추천 시스템에 적용했을 때 얻을 수 있는 이점을 확인하였다. 이 연구는 추천 시스템과 강화학습 분야에서 Hopfield 네트워크 활용 가능성을 넓히고, 향후 관련 연구에 중요한 기여를 할 것으로 기대된다.

    최근 본 자료 전체보기

      UCI(KEPA) : I410-151-25-02-093099863