CPGRec+: A Balance-oriented Framework for Personalized Video Game Recommendations
Author
- Haebom
Category
Empty
저자
Xiping Li, Aier Yang, Jianghong Ma, Kangzhe Liu, Shanshan Feng, Haijun Zhang, Yi Zhao
💡 개요
기존 게임 추천 시스템은 정확도에 치중하여 다양성을 간과하는 한계가 있었습니다. 본 논문은 플레이어-게임 상호작용의 중요도 차이를 고려하고 GNN의 과도한 평활화 문제를 완화하기 위해 CPGRec+를 제안합니다. 이를 위해 플레이어의 선호도를 반영하는 엣지 가중치 부여 모듈(PER)과 LLM을 활용한 선호도 기반 표현 생성 모듈(PRG)을 도입하여 정확도와 다양성 모두 향상시켰습니다.
🔑 시사점 및 한계
•
플레이어-게임 상호작용의 중요도 차이를 반영하여 추천의 질을 높일 수 있습니다.
•
LLM의 추론 능력을 활용하여 플레이어와 게임의 맥락적 이해도를 높이고 추천 시스템의 성능을 개선할 수 있습니다.
•
GNN 기반 모델의 과도한 평활화 문제를 해결하기 위한 효과적인 방법을 제시합니다.
•
향후 연구에서는 더욱 정교한 엣지 가중치 부여 방식과 LLM 활용 방안에 대한 탐구가 필요할 수 있습니다.
