메뉴 건너뛰기
.. 내서재 .. 알림
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
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
손동희 (서울대학교) 심규석 (서울대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제24권 제2호
발행연도
2018.2
수록면
93 - 98 (6page)
DOI
10.5626/KTCP.2018.24.2.93

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2018

문자 수준 컨볼루션 뉴럴 네트워크를 이용한 추천시스템에서의 행렬 분해법 개선
손동희 ,  심규석 정보과학회 컴퓨팅의 실제 논문지 2018.02 학술저널

2017

문자 수준 컨볼루션 뉴럴 네트워크를 사용한 추천 시스템을 위한 행렬 분해 모델
손동희 ,  심규석 한국정보과학회 학술발표논문집 2017.06 학술대회자료

초록· 키워드

오류제보하기
추천시스템은 기업의 매출을 최대화 하기 위해, 사용자에게 관심도가 높은 제품을 제공해준다. 행렬 분해법은 추천시스템에서 자주 사용되는 방법으로 불완전한 사용자-제품 평점 행렬을 기반으로 한다. 하지만 제품과 사용자의 수가 점점 많아지면서, 데이터의 희소성문제로 인해 정확한 추천이 힘들어졌다. 이러한 문제점을 극복하기 위해, 제품과 관련된 텍스트 데이터를 사용하는 행렬 분해법 알고리즘이 최근에 제시되었다. 이런 행렬 분해법 알고리즘 중, 단어 수준 컨볼루션 뉴럴 네트워크를 사용하는 방법이 단어수준 특징들을 추출하여 텍스트 데이터를 효과적으로 반영한다. 하지만 단어수준 컨볼루션 뉴럴 네트워크에서는 학습해야 하는 파라미터의 수가 많다는 문제점이 있다. 그러므로 본 논문에서는 텍스트 데이터로부터 문자 수준 특징들을 뽑아 내기 위해 문자 수준 컨볼루션 뉴럴 네트워크를 사용하는 행렬분해법을 제안한다. 또한 제안하는 행렬 분해법의 성능을 검증하기 위해 실제 데이터를 이용하여 실험을 진행하였다.
#추천시스템 #행렬 분해법 #컨볼루션 뉴럴 네트워크 #문자 수준 #recommendation system #matrix factorization #convolutional neural network #character-level

목차

요약
Abstract
1. 서론
2. 배경 이론
3. 제안하는 모델
4. 실험
5. 결론
References

참고문헌 (10)

참고문헌 신청
D Kim, C Park, J Oh, S Lee, and H Yu. Convolutional matrix factorization for document contextaware recommendation, Proc. of the 10th ACM Conference on Recommender Systems. ACM, pp. 233-240, 2016. H Ruining, and J McAuley, VBPR: Visual Bayesian Personalized Ranking from Implicit Feedback, AAAI, pp. 144-150, 2016. F Zhang, NJ Yuan, D Lian, X Xie, and WY Ma. Collaborative knowledge base embedding for recommender systems, Proc. of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining. ACM, pp. 353-362, 2016. R. Salakhutdinov and A. Mnih, Probabilistic matrix factorization, Advances in neural information processing systems, pp. 1257-1264, 2008. G Hwang, Z Liu, K Q. Weinberger and L Maaten, Densely Connected Convolutional Networks, Proc. of the IEEE Conference on Computer Vision and Pattern Recognition, 2017.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Enhancing the Performance of Recommender Systems Using Online Review Clusters
노기섭 ,  오하영 ,  이재훈 Journal of KIISE 2018 .02
Factorization Machine을 이용한 추천 시스템 설계
정승윤 ,  김형중 디지털콘텐츠학회논문지 2017 .07
딥러닝을 이용한 음악 추천 시스템
박재영 ,  남승관 ,  지원철 한국지능정보시스템학회 학술대회논문집 2018 .06
클러스터링 알고리즘을 사용한 시계열 데이터 예측
김진현 ,  이창형 ,  심규석 정보과학회논문지 : 컴퓨팅의 실제 및 레터 2014 .03
고속도로 교통수요 예측오차의 원인 규명과 개선방안 연구 : 화물자동차 교통량을 중심으로
최창호 서울도시연구 2011 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-569-001779027