최근 딥러닝 기술의 발전으로 추천 시스템은 크게 발전해왔고, 코로나19로 인해 성장한 온라인 교육 시장에서 효과적인 강의 동영상 추천 시스템의 필요성이 대두되고 있다.
본 연구는 챕터 수준의 강의 동영상 추천 시스템을 개발하기 위해 그래프 신경망 기법을 활용하였다. 더불어, 강의 동영상의 챕터를 자동으로 생성하는 방법을 제시하였다. 그래프 신경망, 클러스터링, 그리고 코사인 유사도 등의 기법들을 조합하여 추천 시스템의 정확도 향상 가능성을 실험을 통해 검정하였다.
우선 문제를 명확히 정의하고, 그래프 신경망 이론에 기반한 모델을 구축하였다. 챕터 수준의 강의 동영상 추천 시스템 문제를 다양한 관점에서 분석하여 그래프 신경망을 활용하여 정확도를 높이기 위한 접근 방법을 제안하였다. 실험 결과, 제안한 그래프 긴경망 방법이 기존의 클러스터링 방법보다 더 좋은 성능을 보여주었다.
이로써, 실험 결과를 통해 본 연구에서 달성하고자 하던 목표를 달성한 것을 확인하였다. 또한 그래프 신경망이 클러스터링 알고리즘보다 효과적인 챕터 추천 방법임을 결론지었다.
종합적으로, 본 논문은 그래프 신경망을 활용하여 챕터 수준의 강의 동영상 추천 시스템을 개발하고, 기존의 추천 시스템보다 정확하고 효과적인 추천을 가능하게 하였음을 결론으로 도출하였다. 이러한 연구 결과는 교육 분야에서의 실용성과 향후 연구에 대한 새로운 방향성을 제시할 것으로 기대된다.