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
(한국과학기술원) (한밭대학교) (한국전자통신연구원) (건국대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제31권 제2호
오류 신고하기
표지

피인용 1

검색

    초록·키워드

    추천 시스템은 문화 컨텐츠를 제공하는 응용 소프트웨어의 핵심 요소로 자리잡고 있다. 그러나, 기존의 잠재요인 협업 필터링 방법은 사용자와 문화유산 및 속성정보 간의 관계를 충분히 반영하지 못하는 한계가 있으며, 이는 데이터가 적은 상황에서 추천 시스템의 낮은 예측 성능을 야기한다. 본 연구에서는 이러한 문제를 해결하기 위해 방대한 문화유산 온톨로지 데이터와 관람객-문화유산 인터랙션 데이터를 결합한 문화유산 협업 지식그래프(Collaborative Knowledge graph)를 설계하고, 이를 기반으로 한 문화유산 추천시스템을 개발한다. 본 시스템은 협업 지식그래프와 Graph Attention Network을 결합한 Knowledge Graph Attention Network(KGAT)를 활용하며, 여기에 협업 필터링(Collaborative Filtering) 손실함수를 결합하여 사용자가 선호할 가능성이 높은 문화유산을 추천하는 방법론을 제안한다. 최종적으로, 예측된 선호도를 활용하여 각 사용자가 관람할 문화 유산 목록을 작성한다. 성능 검증을 위해 한국전통문화대학교 학생들의 문화유산 관람 이력데이터를 사용하여, 제안된 추천 시스템이 특정 사용자의 추후 문화유산 선호도를 NDCG기준에서 높은 정확도로 예측함을 확인하였다. 이는 기존의 사용자 및 상품 기반 협업 필터링에 비해 우수한 성능을 나타내며, 개인화된 문화유산 추천을 통해 사용자가 문화 유산을 더 효과적으로 탐색하고 경험할 수 있음을 시사한다.
    #문화유산 #추천시스템 #그래프 신경망 #지식그래프 #cultural heritages #recommender systems #graph neural networks #knowledge graph

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-25-02-092455992