Travel Recommendation System Using Relational Graph Networks and Reinforcement Learning

여행추천시스템은 사용자의 개인화된 요구와 선호도를 반영하여 적절한 여행지와 관련 서비스를 추천하는 도구로 자리잡고 있다. 추천시스템을 구현하기 위한 방법론으로는 전통적으로 협업 필터링이 많이 활용되어 왔으며, 최근에는 강화학습 기법이 자주 시도되고 있다. 하지만 기존의 협업 필터링이나 심층 강화학습 기반 접근법은 사용자 행동의 복잡성과 다차원적 선호를 충분히 반영하지 못해 추천의 정확성과 사용자 만족도가 저하되는 한계가 있다. 이러한 문제를 해결하기 위해, 본 연구는 관계 그래프 네트워크와 강화학습을 결합한 새로운 여행추천시스템을 제안한다. 구체적으로 본 연구에서는 사용자와 여행지 간의 복잡한 상호작용을 그래프 구조로 모델링하고, 관계 그래프 어텐션 네트워크(RGAT)에서 생성된 고차원 임베딩을 강화학습 알고리즘인 APEX-DQN에 입력하여 최적의 여행지를 추천하는 방식을 제안한다. 제안된 시스템은 기존의 모델들이 처리하기 어려운 복잡한 사용자 행동 패턴과 비정형 데이터를 효과적으로 반영할 수 있는 특징을 가진다. 실험 결과, 제안된 모델은 RMSE와 MAE 지표에서 기존 CF(User-based), CF(POI-based), GMF, MLP, GAT 모델들보다 우수한 성능을 나타냈다. 특히, RGAT와 APEX-DQN의 결합은 복잡한 사용자 행동 패턴을 더욱 정밀하게 학습하여, 실시간으로 변화하는 사용자 선호도를 효과적으로 반영함으로써 보다 개인화된 추천을 제공할 수 있음을 확인하였다.