인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
- 저자정보
피인용 0
초록·키워드
In current electronic commerce, it is desired to utilize implicit feedback, which is indirect evaluation data of user behavior. Neural Collaborative Ranking (NCR) is a type of recommendation model that estimates the most likely items to be observed next as implicit feedback in a given list. The model evaluates item preferences by assuming that items with implicit feedback by a user are preferred over items without such feedback. However, there are actual cases that multiple levels of implicit feedback can be observed such as browsing and purchasing histories. The NCR model cannot distinguish and learn these multiple levels of implicit feedback, and cannot fully utilize the information of multiple levels of implicit feedback. In this study, we propose an NCR model that considers multiple levels of implicit feedback by introducing the method proposed by Ding et al. Specifically, when training a model using multiple types of feedback data, we define the inputs to consider their ordinal relationships with the pairwise inputs of the NCR. This approach enables effective incorporation of different levels of implicit feedback, such as browsing versus purchasing, and demonstrates improved accuracy through actual data analysis.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
