본 논문은 전자상거래에서 사용자의 다양한 행동(구매, 클릭, 장바구니 추가 등)을 활용하는 다중 행동 추천 시스템의 성능 개선을 다룹니다. 기존 시스템은 방문 아이템(사용자가 상호작용한 아이템)과 미방문 아이템에 대한 추천 성능 차이가 크다는 문제점을 가지고 있습니다. 이를 해결하기 위해, 본 논문에서는 각각 방문 아이템과 미방문 아이템에 특화된 전문가 모델을 사용하는 혼합 전문가(Mixture-of-Experts) 기반의 새로운 다중 행동 추천 시스템 MEMBER를 제안합니다. 각 전문가 모델은 자기 지도 학습 방식으로 훈련되며, 실험 결과 기존 시스템 대비 최대 65.46%의 성능 향상(Hit Ratio@20 기준)을 보였습니다.
