추천 시스템에서 평점 데이터가 부족한 고객들의 이웃 생성 및 시각화

Q: 이 논문에서 정의한 Cold-start 고객이란 무엇인가?

구매 이력이나 평점이 부족하여 추천 시스템이 해당 고객의 취향을 정확하게 파악하기 어려운 상태의 고객을 의미한다. 이는 추천 시스템의 초기 단계에서 데이터 부족으로 인해 발생하는 전형적인 문제 상황을 정의한 것이다.

Q: GAN을 활용하여 Cold-start 문제를 해결하는 구체적인 방법은 무엇인가?

연구 결과, 두 개의 Conditional GAN을 통해 고객의 평점 분포와 결측 분포를 각각 학습함으로써 실제 고객과 유사한 가상의 이웃을 생성한다. 이렇게 생성된 가상 데이터는 UMAP 시각화를 통해 실제 고객 분포와 유사함이 입증되었다.

김지후; 채동규; 김상욱

학술대회자료 Full-text

저자정보: 김지후 (한양대학교) 채동규 (한양대학교) 김상욱 (한양대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2019 한국소프트웨어종합학술대회 논문집

오류 신고하기

피인용 1

검색

초록·키워드

추천 시스템은 구매 이력이나 평점이 부족한 고객(cold-start users)의 경우에는 취향을 파악하기가 어려워서 정확한 추천을 해주지 못하는 문제가 있다. 이 문제를 해결하기 위해, 본 논문은 생성적 적대 신경망(GAN: Generative Adversarial Net ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)