상위 N개 항목의 추천 정확도 향상을 위한 효과적인 선호도 표현 방법

사용자들이 평가한 항목들 사이의 유사성을 기반으로 하여, 아직 평가되지 않은 항목을 사용자에게 효과적으로 추천해주는 기법을 의미한다. 본 연구에서는 특히 메모리 기반의 UserKNN 방식을 활용하여 사용자의 잠재적 선호도를 분석하고 추천 정확도를 높이는 데 집중한다.

연구 결과, 사용자-항목 평점 행렬을 기반으로 선호도를 확률 값으로 나타내고 항목 평가 빈도수를 함께 고려하여 표현하는 방법이 효과적이다. 이러한 확률 기반 선호도 방식은 기존 메모리 기반 협업 필터링보다 최대 49% 이상의 정확도 향상을 가져온다.

학술대회자료

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2016년 동계학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

협업필터링은 사용자들이 평가한 항목들의 유사성을 기반으로 평가되지 않은 항목을 효과적으로 추천해주 는 기법이다. 본 논문에서는 상위 N개 항목의 추천 정확도를 높이기 위한 방법으로, 메모리 기반 협업필 터링에서 유사 ... 전체 초록 보기

UCI(KEPA) : I410-ECN-0101-2017-569-002189143

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