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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 유재수
- 발행연도
- 2017
- 저작권
- 충북대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (3)
2017
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
스마트폰의 보급과 온라인 소셜 네트워크 서비스를 이용하는 사용자들이 증가하면서 사용자들은 많은 콘텐츠를 생산하거나 서로 공유한다. 이로 인해 사용자는 그들의 기호에 맞지 않거나 만족도가 떨어지는 콘텐츠를 받아본다. 이와 같은 문제를 해결하기 위해 소셜 네트워크 사용자에게 적합한 콘텐츠를 추천하기 위한 기법에 대한 연구가 활발하게 진행되고 있다. 하지만 콘텐츠 추천 기법에서 콘텐츠 추천을 받기 위해서 사용하는 사용자의 데이터에 대한 신뢰도 문제가 발생하였다. 따라서 사용자의 신뢰도를 분석해서 사용자 신뢰도에 대한 연구가 진행되었고 사용자의 신뢰도를 고려한 추천 기법이 등장하였다. 본 논문에서는 신뢰도가 떨어지는 사용자의 데이터를 제거하기 위해 사용자 필터링을 수행하고 신뢰도 있는 사용자의 데이터를 활용해서 콘텐츠를 추천한다. 사용자 필터링을 위해서 소셜 행위 분석, 콘텐츠 이용 분석, 소셜 관계 분석을 수행한다. 또한 콘텐츠 추천 우선순위를 판정하기 위해서 콘텐츠가 지닌 신뢰도를 고려한다. 콘텐츠의 신뢰도를 계산하기 위해서 사용자 전문성 분석, 암시적 행위 분석을 수행한다. 앞에서 계산된 각 신뢰도를 바탕으로 협업필터링을 수행해서 추천 콘텐츠를 선별한다. 콘텐츠 신뢰도에 따라서 해당 사용자에게 콘텐츠를 추천한다. 다양한 성능평가를 통해 제안하는 기법이 기존 기법보다 우수함을 보인다. 성능평가 결과, 제안하는 기법은 기존 기법에 비해 추천 정확도와 정밀도가 향상됨을 확인하였다.
목차
Ⅰ. 서론 1Ⅱ. 관련연구 51. 기존 추천 기법 5(1) 사용자 전문성을 이용한 추천 기법 5(2) 사용자의 친구를 이용한 추천 기법 6(3) 사용자 신뢰도를 이용한 추천 기법 82. 기존 추천 기법의 문제점 10Ⅲ. 제안하는 콘텐츠 추천 기법 121. 제안하는 기법의 전체 구조 132. 사용자 신뢰도 15(1) 소셜 행위 분석 17(2) 콘텐츠 이용 분석 19(3) 소셜 관계 분석 20(4) 사용자 신뢰도 계산 223. 콘텐츠 신뢰도 24(1) 사용자 전문성 분석 25(2) 암시적 행위 분석 274. 콘텐츠 추천 31(1) 협업 필터링 32Ⅳ. 성능평가 341. 성능평가 환경 342. 자체 성능평가 36(1) 신뢰도 함수의 가중치 결정 36(2) 임계값 결정 40(3) 제안하는 신뢰도 기법에 대한 평가 423. 기존 기법과의 성능비교 44(4) 추천 시뮬레이션 결과 44(5) MAE와 RMSE를 통한 정확도와 정밀도 비교 48Ⅴ. 결론 및 향후연구 50참고문헌 51
최근 본 자료
댓글(0)
0