메뉴 건너뛰기
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
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(경희대학교) (경희대학교) (경희대학교) (경희대학교) (경희대학교)
저널정보
한국지능정보시스템학회 지능정보연구 지능정보연구 제30권 제3호
오류 신고하기
표지

피인용 0

검색

    초록·키워드

    온라인 플랫폼의 발전과 함께 사용자 선호도를 파악하여 개인화된 추천 서비스를 제공해주는 추천 시스템이 주목받고 있다. 온라인 리뷰는 사용자 선호도를 분석하기 위한 중요한 정보 소스로서 이를 활용한 다양한 추천 시스템 연구가 제안되었다. 많은 선행 연구를 통해 리뷰 텍스트에 내제된 의미론적 정보가 아이템에 대한 사용자 선호도 특성을 깊이 이해하여 추천 성능을 향상시킬 수 있음이 증명되었다. 이러한 대부분의 연구는 사용자와 아이템 특성을 모두 리뷰 집합의 관점으로 추출하였다. 그러나 사용자 리뷰 집합에는 타겟 아이템과 관련이 없는 리뷰도 함께 존재하기에 타겟 아이템에 대한 사용자의 명확한 선호도 파악이 어려워진다. 또한, 온라인 플랫폼에서는 아이템 특성을 잘 나타낼 수 있는 아이템 설명등의 풍부한 보조 정보도 제공되지만, 이를 효과적으로 모델에 통합시키지 못하였다는 한계점도 존재한다. 이에 본 연구는 사용자 개별 리뷰를 사용하고 아이템 리뷰 집합과 아이템 설명을 통합함으로써 사용자 선호도 및 아이템 특성을 정확하게 파악하는 추천 모델을 제안한다. 또한, 아이템 리뷰 집합과 아이템 설명을 통합함에 있어 Cross-attention Mechanism을 도입하여 보다 효율적인 특성 간 융합이 이뤄지게 한다. 모델 성능 평가를 위해 Amazon.com의 리뷰 데이터 및 메타 데이터를 사용해 다양한 벤치마크 모델들과 비교하였다. 실험 결과, 제안된 NENF(Neural Extraction Network for User-Item Features)가 다른 벤치마크 모델에 비해 우수한 성능을 보였음을 확인했으며, 이는 제안 모델이 사용자 및 아이템의 정교한 특성표현이 가능해지게 하여 추천 성능을 개선하였음을 시사한다.
    #사용자 개별 리뷰 #아이템 리뷰 집합 #아이템 보조 정보 #Cross-attention Mechanism #User individual review #Item review set #Item auxiliary information

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-25-02-090881798