메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이희주 (이화여자대학교) 민대기 (이화여자대학교)
저널정보
한국전자거래학회 한국전자거래학회지 한국전자거래학회지 제30권 제1호
발행연도
2025.2
수록면
227 - 250 (24page)
DOI
10.7838/jsebs.2025.30.1.227

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
관광산업이 개별 관광객의 맞춤형 서비스로 변화하는 추세에 따라 기존의 협업 필터링이나 콘텐츠 기반 필터링 중심의 단일 목적의 추천 방식으로는 복잡한 관광 의사결정 문제를 효과적으로 해결하기 어렵다. 본 연구는 다목적 강화학습(Multi-Objective Reinforcement Learning; MORL)을 활용한 최적 관광경로 추천시스템을 제안한다. 본 연구에서는 선호도, 연관성, 접근성을 동시에 최적화하기 위해 MORL의 대표적 기법인 Pareto Conditioned Networks(PCN)를 활용한 관광경로 추천시스템을 제안하고 단일 목적 강화학습(Single Objective Reinforcement Learning; SORL)인 Deep Q-Network과의 성능 비교를 수행하였다. 서울시내 16개 관광지를 대상으로 수집한 실제 데이터를 활용한 수치실험 수행 결과 MORL이 SORL 대비 선호도, 연관성, 접근성 등 모든 목적에서 안정적이고 우수한 파레토 최적해를 도출하였다. 이를 통해 MORL이 파레토 최적 정책을 학습함으로써 사용자의 다양한 선호도를 고려한 맞춤형 관광지 추천에 효과적으로 적용될 수 있으며, 사용자의 선호도 변화에 유연하게 대응할 수 있음을 확인하였다.

목차

초록
ABSTRACT
1. 서론
2. 선행연구
3. 문제정의
4. 연구 방법론
5. 수치 실험
6. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092461990