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
- 발행연도
- 2019
- 저작권
- 서울대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
세션 기반 추천모델은 작은 규모의 인터넷 쇼핑 사이트에서 옷을 추천하거나 뉴스 사이트에서 관심 뉴스를, 동영상 제공 사이트에서 영상을 추천하는 경우에 주로 사용된다. 즉, 세션 기반 추천 모델은 처음 접속해보는 사이트 혹은 로그인을 하지 않아 과거 접속 정보가 없는 경우에 추천을 하는 모델이다. 익명의 사용자와 상품 간의 상호작용에 대한 현재의 짧은 세션 정보만을 바탕으로 추천을 하기 때문에 상품 간의 유사도를 바탕으로 추천하는 모델이 과거에는 많이 사용되었다. 하지만 이와 같은 상품 기반 유사도 추천 모델은 마지막에 선택한 상품만을 바탕으로 추천을 한다는 단점이 있었다. 이러한 문제를 해결하기 위해 최근에 순환 신경망 기반의 모델이 제안되었고 좋은 성능을 보여주고 있다. 그렇지만 순환 신경망을 기반으로 한 기존 연구도 상품을 선택한 순서만을 이용해 추천을 하기 때문에 시간 정보를 활용하지 못하는 단점이 있다.
본 논문에서는 순환 신경망 기반 모델에 월, 요일, 시간, 분, 초의 시간 정보를 추가로 반영하여, 계절, 요일 등의 변화에 따른 사용자의 선호도 변화를 반영한 모델을 제안한다. 그리고 로그 기반의 인기도 샘플링 방법과 모델을 학습시키는 손실 함수에 가중치 로직을 반영하여 모델의 성능을 높일 수 있는 방법을 제안한다. 또한 제안하는 모델의 성능을 검증하기 위해 실생활 데이터를 이용하여 실험을 진행하였다.
본 논문에서는 순환 신경망 기반 모델에 월, 요일, 시간, 분, 초의 시간 정보를 추가로 반영하여, 계절, 요일 등의 변화에 따른 사용자의 선호도 변화를 반영한 모델을 제안한다. 그리고 로그 기반의 인기도 샘플링 방법과 모델을 학습시키는 손실 함수에 가중치 로직을 반영하여 모델의 성능을 높일 수 있는 방법을 제안한다. 또한 제안하는 모델의 성능을 검증하기 위해 실생활 데이터를 이용하여 실험을 진행하였다.
목차
제 1 장 서론 1제 1 절 연구의 배경 및 내용 1제 2 장 관련 연구 3제 1 절 세션 기반 추천 시스템과 순환신경망 3제 2 절 배치 사이즈와 인기도 기반 샘플링 8제 3 절 베이지안 개인화 순위 10제 3 장 제안하는 세션 기반 추천 모델 13제 1 절 시간 정보를 반영한 추천 모델 구조 13제 2 절 최적화 18제 4 장 실험 21제 1 절 실험 환경 및 실험 데이터 21제 2 절 성능 측정 지표 및 실험 설정 23제 3 절 실험 결과 및 분석 24제 5 장 결론 28참고문헌 29Abstract 31
최근 본 자료
댓글(0)
0