Multi-Behavior Recommender Systems: A Survey
Created by
- Haebom
Category
Empty
저자
Kyungho Kim, Sunwoo Kim, Geon Lee, Jinhong Jung, Kijung Shin
개요
본 논문은 다양한 사용자 행동(구매, 클릭, 장바구니 추가 등)을 활용하는 다중 행동 추천 시스템에 대한 종합적인 분석을 제공합니다. 기존 추천 시스템이 단일 행동에만 의존하는 것과 달리, 다중 행동 추천 시스템은 사용자의 다양한 행동 데이터를 활용하여 추천 정확도를 높입니다. 논문은 데이터 모델링, 인코딩, 학습의 세 가지 주요 단계에 초점을 맞춰 기존 연구들을 체계적으로 분류하고, 각 단계별 접근 방식의 공통점과 차이점을 분석합니다. 또한, 다중 행동 추천 시스템의 미래 연구 방향을 제시합니다.
시사점, 한계점
•
시사점:
◦
다중 행동 데이터 활용을 통한 추천 시스템 성능 향상 가능성 제시
◦
다중 행동 추천 시스템 연구 동향에 대한 종합적인 이해 제공
◦
데이터 모델링, 인코딩, 학습 단계별 최신 연구 방법론 소개
◦
미래 연구 방향 제시를 통한 학문 발전에 기여
•
한계점:
◦
논문이 특정 시점까지의 연구를 다루므로, 최신 연구 동향이 반영되지 않을 수 있음
◦
다양한 다중 행동 추천 시스템의 성능 비교 분석이 부족할 수 있음
◦
특정 유형의 다중 행동 데이터 또는 특정 추천 알고리즘에 편향된 분석일 가능성 존재
◦
실제 시스템 구축 및 적용에 대한 구체적인 논의 부족
