지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용수
초록· 키워드
오류제보하기
기존 협업 필터링 기법은 사용자들의 아이템에 대한 선호도를 기반으로 유사 아이템 집합 또는 유사 사용자 집합을 구성하고, 이를 이용해 예측된 사용자의 특정 아이템에 대한 선호도를 기반으로 추천을 수행한다. 이로 인해, 사용자 선호도 정보가 부족하게 되면, 유사 아이템 사용자 집합의 신뢰도가 낮아지고, 추천 서비스의 신뢰도 또한 따라서 낮아진다. 또한, 서비스의 규모가 커질수록, 유사 아이템, 사용자 집합의 생성에 걸리는 시간은 기하급수적으로 증가하고 추천 서비스의 응답시간 또한 그에 따라 증가하게 된다. 위와 같은 문제점을 해결하기 위해 본 논문에서는 적응형 군집화 기법을 제안하고 이를 적용한 협업 필터링 기법을 제안하고 있다. 이 기법은 크게 네 가지 방법으로 이루어진다. 첫째, 사용자와 아이템의 특성 벡터를 기반으로 사용자와 아이템 각각을 군집화 하여, 기존 협업 필터링 기법에서 유사 아이템, 사용자 집합을 생성하는데 소요되는 시간을 절약하며, 사용자 선호도 정보만을 이용한 부분 집합 생성보다 추천의 신뢰도를 높이고, 초기 평가 문제와 초기 이용자 문제를 일부 해소한다. 둘째, 미리 구성된 사용자와 아이템의 군집을 기반으로 군집간의 선호도를 이용해 추천을 수행한다. 사용자가 속한 군집의 선호도가 높은 순서대로 아이템 군집을 조회하여 사용자에게 제공할 아이템 목록을 구성하여, 추천 시스템의 부하 대부분을 모델 생성 단계에서 부담하고 실제 수행 시 부하를 최소화한다. 셋째, 누락된 사용자 선호도 정보를 사용자와 아이템 군집을 이용하여 예측함으로써 협업 필터링 추천 기법의 사용자 선호도 정보 희박성으로 인한 문제를 해소한다. 넷째, 사용자와 아이템의 특성 벡터를 사용자의 피드백에 따라 학습시켜 아이템과 사용자의 정성적 특성 정량화의 어려움을 해결한다. 본 연구의 검증은 기존에 제안되었던 하이브리드 필터링 기법들과의 성능 비교를 통해 이루어졌으며, 평가 방법으로는 평균 절대 오차와 응답 시간을 이용하였다.
목차
1. 개요
2. 관련 연구
3. 적응형 군집화 기반 협업 필터링 기법
4. 실험 및 검증
5. 결론
참고문헌 (References)
Abstract
참고문헌 (31)
참고문헌 신청
1. [학술지(정기간행물)] - Adomavicius, G. / 2005 / Towards the next generation of recommender system : A survey of the state-of-the-art and possible extensions / IEEE Transactions on Knowledge and Data Engineering : 634 ~ 749
2. [학술대회논문] - Ali, K. / 2004 / Tivo: Making show recommendations using a distributed collaborative filtering architecture / Conference on Knowledge Discovery and Data Mining : 394 ~ 401
3. [단행본] - Baeza-Yates, R. / 1999 / Modern information retrieval / ACM press
4. [학술대회논문] - Bennet, J. / 2007 / The netflix prize / KDD Cup and Workshop
5. [학술대회논문] - Braak, P. T. / 2009 / Improving the Performance of Collaborative Filtering Recommender Systems through User Profile Clustering / Web Intelligence and Intelligent Agent Technologies, 2009. WI-IAT '09. IEEE/ WIC/ACM International Joint Conferences on 3 : 147 ~ 150
2. [학술대회논문] - Ali, K. / 2004 / Tivo: Making show recommendations using a distributed collaborative filtering architecture / Conference on Knowledge Discovery and Data Mining : 394 ~ 401
3. [단행본] - Baeza-Yates, R. / 1999 / Modern information retrieval / ACM press
4. [학술대회논문] - Bennet, J. / 2007 / The netflix prize / KDD Cup and Workshop
5. [학술대회논문] - Braak, P. T. / 2009 / Improving the Performance of Collaborative Filtering Recommender Systems through User Profile Clustering / Web Intelligence and Intelligent Agent Technologies, 2009. WI-IAT '09. IEEE/ WIC/ACM International Joint Conferences on 3 : 147 ~ 150
이 논문의 저자 정보
이 논문과 함께 이용한 논문
스마트폰에서 사용자 감성정보를 이용한 개인화된 협업필터링 기반 애플리케이션 추천 시스템
이창현
,
이승룡
,
정태충
외 1명
한국정보과학회 학술발표논문집
2012
.06
소셜네트워크 분석을 통한 협업필터링 추천 성과의 이해
안성만
,
김인환
,
최병구
외 3명
한국전자거래학회지
2012
.05
도서관 정보시스템을 위한 협업 필터링 기반 개인화 추천서비스
정희정
,
조성배
한국정보과학회 학술발표논문집
2011
.06
추천시스템에서 구매 패턴 예측을 위한 SOM기반 고객 특성에 의한 군집 분석
조영성
,
문송철
,
류근호
한국컴퓨터정보학회논문지
2014
.02
아이템 기반의 신뢰도를 이용한 효율적인 협력적 여과 방법
지애띠
,
김흥남
,
조근식
한국정보과학회 학술발표논문집
2005
.11
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2015-003-001704172