메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
강지희 (경상국립대학교) 최상민 (경상국립대학교)
저널정보
한국정보기술학회 Proceedings of KIIT Conference 한국정보기술학회 2024년도 추계종합학술대회 및 대학생논문경진대회
발행연도
2024.11
수록면
1,097 - 1,100 (4page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 Large Language Model(LLM)을 이용한 리뷰 데이터 생성 방식을 활용하여 Cross-Domain Recommendation system(CDRs)의 성능을 개선하는 방법을 제안한다. 추천 시스템은 협업 필터링과 같은 알고리즘을 기반으로 발전해왔지만, cold start와 데이터 희소성 문제는 여전히 주요한 과제로 남아 있다. 특히, CDRs에서도 도메인 간 데이터 불균형으로 인해 성능 저하가 발생할 수 있다. 이를 개선하기 위해, 본 연구는 LLM을 기반으로 특정 도메인의 리뷰데이터를 학습한 후, 다른 도메인에서 리뷰 데이터를 생성하는 방법론을 제시한다. 생성된 리뷰 데이터를 Dual-Target Cross-Domain Recommendation(DTCDR) 모델에 적용하여 CDRs의 성능을 평가하고, 생성한 리뷰 데이터와 기존 데이터 간 성능을 비교한다. Amazon Review Data 2023과 MovieLens 100K를 데이터셋으로 사용해 향후 다양한 연구에서 LLM을 통한 데이터 생성이 CDR의 데이터 부족 문제 해결에 활용 가능성을 갖는다는 점을 보여준다.
#cross-domain #recommender system #large language model #review data

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 방법론
Ⅲ. 실험 및 결과
Ⅳ. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문과 함께 이용한 논문

소규모 LLM을 활용한 차트 이미지 설명 텍스트 자동 생성
안효준 ,  이효진 ,  최성필 한국정보과학회 학술발표논문집 2024 .06

최근 본 자료

전체보기

댓글(0)

0