온라인 플랫폼에서의 사용자 행동 변화를 반영하는 모델의 성능 저하 문제를 해결하기 위해, 지속적인 학습을 위한 증강 기반 접근 방식을 제안합니다. 특히, 재현 기반 지속 학습 프레임워크에 외부 지식을 통합하여 모델의 성능을 향상시키는 새로운 방법을 제시하고, 이를 통해 기존 재현 기반 접근 방식의 한계인 버퍼 크기를 극복하고자 합니다. 또한, 일탈 행동 분류와 관련된 세 가지 데이터셋을 사용하여 제안하는 방법의 효과를 평가하고, 기존 방법보다 우수한 성능을 입증했습니다.
