초록
다기준 추천 시스템에서 사용자는 항목에 대해 종합적인 평점을 부여할 뿐만 아니라 각 속성에 대해 별도의 점수를 제공할 수 있다. 사용자의 다기준 평점을 효과적으로 활용하여 종합 평점을 예측하는 방법을 찾는 것은 가장 중요한 과제 중 하나이다. 기존의 대부분의 해결책은 엔드 투 엔드 방식으로 설계되지 않았다. 이러한 접근 방식은 먼저 사용자의 다기준 점수를 추정한 후, 별도의 모델을 학습하여 종합 평점을 예측한다. 이는 추가적인 학습 부담을 유발하며, 종합 예측 정확도가 일반적으로 다기준 점수 모델에 민감하게 영향을 받는다. 본 논문에서는 예측된 각 다기준 하위 점수에 자동으로 가중치를 부여함으로써 사용자의 종합 평점을 예측하는 통합 모델을 제안한다. 제안된 아키텍처는 다기준 평점 모델과 종합 평점 모델을 통합된 시스템 내에서 결합하여, 엔드 투 엔드 방식으로 다기준 추천을 학습하고 수행할 수 있도록 한다. 3개의 실질 데이터셋을 활용한 실험 결과, 제안된 아키텍처가 기준 모델 대비 최대 13.14% 낮은 예측 오차를 달성함을 확인하였다.