개인화 추천 시스템의 머신러닝을 위한 음수 미포함 행렬 분해와 변수 선택 기법의 비교

유찬우; 김희천

doi:10.9728/dcs.2020.21.4.793

추천

검색

질문

자료유형: 학술저널

저자정보: 유찬우 (하나금융융합기술원) 김희천 (한국방송통신대학교)

저널정보: 한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제21권 제4호

발행연도: 2020.4

수록면: 793 - 798 (6page)

DOI: 10.9728/dcs.2020.21.4.793

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

개인화 추천을 위한 머신러닝 모델의 베이스라인으로 흔히 음수 비포함 행렬 분해가 사용된다. 이전에는 이렇게 분해된 행렬로 본래 행렬에 없는 원소를 계산하여 개인화 추천에 사용하는 경우가 많았으나, 이와 같은 계산이 모든 품목에 대한 연산을 필요로 하기 때문에 최근에는 행렬 분해 결과가 유저가 선호했던 품목과 유사한 품목을 근접 이웃으로 찾는데 필요한 임베딩으로 사용되는 경우가 많다. 이 경우에 중요한 것은 행렬 분해 전의 코사인 유사도 관계를 최대한 보존하는 것이기 때문에, 음수 비포함 행렬 분해가 어느 정도 코사인 유사도의 순위를 보존하는지에 대한 검토가 필요하다. 본 논문에서는 음수 비포함 행렬 분해와, 분산 및 엔트로피 기반의 변수 선택 기법을 비교함으로써 일정 차원 이상에서 변수 선택 기법이 유사도의 순위를 더 잘 보존한다는 것을 보였다. 또한 시간 복잡도의 측면에서도 변수 선택 기법이 더 우위에 있음을 보였다.

#머신러닝 #개인화 추천 #음수 비포함 행렬 분해 #변수 선택 #엔트로피 #Machine Learning #Personalized Recommendation #Nonnegative Matrix Factorization #Variable Selection #Entropy

참고문헌 (25)

참고문헌 신청

Y. Hu / 2008 / Collaborative filtering for implicit feedback datasets / Proceedings of the 8th IEEE International Conference on Data Mining :263~272

D. Lee / 2001 / Algorithms for non-negative matrix factorization / Proceedings of the 13th International Conference on Neural Information Processing Systems :556~562

Winning the netflix prize: A summary

G. Strang / 2019 / Linear algebra and learning from data / Wellesley-Cambridge Press

M. Grbovic / 2015 / E-commerce in your inbox : Product recommendations at scale / Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining :1809~1818

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

유찬우

소속기관 하나금융융합기술원

주요연구분야 공학 > 컴퓨터학

논문수 3 이용수 486

김희천

소속기관 한국방송통신대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 공학 > 전기전자공학 > 정보통신공학

논문수 42 이용수 7,170

이 논문과 함께 이용한 논문

공공디자인사업을 통한 구도심 상업가로 도시재생 : 부산시 ‘광복로 문화거리’를 사례로

최강림 Archives of Design Research 2013 .02

행렬 분해 기반 협업 필터링을 활용한 콘텐츠 추천 모델에 관한 연구

김경훈 , 황동엽 , 김기형 한국통신학회 학술대회논문집 2020 .08

개인화 추천을 위한 비모형 차원 축소 기법

유찬우 , 김희천 디지털콘텐츠학회논문지 2020 .03

결합행렬 확장 기법을 이용한 능동위상배열 영상레이다 위상 부호화 코드의 능동반사계수 성능 최적화 연구

이재덕 한국정보기술학회논문지 2019 .05

대기행렬 증가 균등화 기반의 교통신호 최적화 : 대전 대학로에 대한 사례연구

김성민 , 장기태 , 장인권 대한교통학회 학술대회지 2017 .02

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2020-004-000540825

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

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (25)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)