온라인 플랫폼 사용자 행동 변화를 반영하는 모델의 성능 저하 문제를 해결하기 위해, 지속 학습(continual learning)의 리플레이 기반 접근 방식에 외부 지식(external knowledge)을 활용하는 새로운 증강(augmentation) 기반 접근 방식을 제안한다. 기존 리플레이 방식의 버퍼 크기 제한을 극복하고자 외부 지식을 데이터 증강에 활용하며, 일탈 행동 분류와 관련된 세 개의 데이터셋을 사용하여 제안된 방법의 효과를 검증하고, 기존 리플레이 방식보다 우수한 성능을 보임을 입증한다.
