A Multi-Objective Reinforcement Learning Approach for Developing Tourism Route Recommendation System

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.