A Multi-Objective Reinforcement Learning Approach for Developing Tourism Route Recommendation System
Year: 2025
Type: article
Abstract: 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.
Source: Han-guk jeonja georae hakoeji
Authors: Huiju Lee, Daiki Min
Language: English
Subfield: Information Systems
Field: Computer Science
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W4408598118