협동적 여과를 기반으로 하는 개인화된 디지털 음악 추천

Q: 이 논문에서 정의한 협동적 여과란 무엇인가?

협동적 여과는 사용자의 선호도를 분석하고 아이템에 대한 선호도를 예측하여 책, 영화, 음악 등 다양한 아이템을 추천하는 시스템이다. 특히 사용자들 사이의 평가 정보를 비교하여 유사 사용자들을 추출하고, 이들의 선호도를 기반으로 특정 아이템에 대한 사용자의 선호도를 예측하는 방식이다. 아이템의 내용 정보를 필요로 하지 않아 음악이나 영화 같은 아이템 추천에 효과적이다.

Q: 그래프 기반 협동적 여과 방식은 기존 방식의 어떤 한계를 해결하는가?

연구 결과, 그래프 기반 협동적 여과 방식은 기존 협동적 여과의 확장성 문제와 희소성 문제를 해결한다. 사용자들의 암시적 선호 정보로부터 음악 사이의 연관 관계를 가중치 그래프로 표현하여 저장함으로써, 추천 실행 시 유사도 계산 과정이 필요 없어 빠른 추천이 가능하며, 선호 정보가 희소하더라도 추천을 수행할 수 있다.

김준태; 김형일

추천

검색

질문

자료유형: 학술저널

저자정보: 김준태 김형일

저널정보: 한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제8권 제4호

발행연도: 2007.12

수록면: 521 - 529 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

In this paper, we introduce a music recommendation system that automatically recommends music according to users' musical tastes. The recommendation system uses a graph-based collaborating filtering in which similarities between musics are saved as a graph, and so it can perform fast recommendation based on the implicit preference information. It also has capability of recommending music according to users' dynamically changing preferences as well as users' static preferences. The recommendation server is implemented as an independent server using Java, and communicates with clients according to a specified protocol. A demo web site has been built by using the server and music download data from actual users, and the accuracy of recommendation has been measured through experiments.

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2014-560-002725802

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)