지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제30권 제2호
- 발행연도
- 2024.2
- 수록면
- 55 - 62 (8page)
- DOI
- 10.5626/KTCP.2024.30.2.055
이용수
초록· 키워드
오류제보하기
추천 시스템[1]은 사용자의 숨겨진 선호도를 추론하고 이를 기반으로 사용자가 원하는 항목을 효과적으로 제공하는 것을 목표로 한다. 기존 연구는 각각의 추천 과업을 수행하기 위한 모델을 독립적으로 개발하였으며, 이에 따라 모델을 사전 정의된 과업 외 다른 과업에 활용할 수 없다는 한계가 있다. 이를 해결하기 위해서 사전 학습된 언어 모델을 활용하여 텍스트 기반의 통합된 모델 위에서 다양한 과업을 학습할 수 있는 통합 추천 모델인 P5[2]가 최근 제안되었다. 본 연구는 P5의 다섯 가지 과업을 심도 있게 분석하여 기존 방법의 한계점을 제시한다. 분석 결과를 토대로 기존 방법의 문제를 해결하기 위해 상품 분류 정보를 활용한 사용자 및 항목 표현을 언어 모델의 추가 어휘로 표현하는 새로운 방식을 제시한다. 실험 결과 다섯 가지 과업 중 네 가지 과업에서 기존 방법 대비 성능이 향상됨을 확인할 수 있었으며, 특히 순차적 추천 과업에서 75%의 큰 성능 향상을 확인하였다.
목차
요약
Abstract
1. 서론
2. 선행 연구
3. P5 모델의 성능 분석
4. 제안 방법
5. 실험
6. 결론 및 향후 연구 방향
References
참고문헌 (8)
참고문헌 신청
F. Ricci, L. Rokach, B. Shapira, and P.B. Kantor, Recommender Systems Handbook, 1st ed. Berlin, Heidelberg: Springer-Verlag, 2010.
S. Geng, S. Liu, Z. Fu, Y. Ge, and Y. Zhang, “Recommendation as Language Processing (RLP): A Unified Pretrain, Personalized Prompt & Predict Paradigm (P5),” Proc. of the 16th ACM Conference on Recommender Systems, pp. 299-315, 2022.
S. Devlin, J. Chang, K. Lee, and K. Toutanova, "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding," arXiv:1810.04805 [cs.CL], 2019.
A. Radford, K. Narasimhan, T. Salimans, I. Sutskever, "Improving language understanding by generative pre-training," OpenAI, 2018.
T. Brown et al., "Language Models are Few-Shot Learners," Proc. of the Advances in Neural Information Processing Systems, vol. 33, pp. 1877-1901, 2020.
S. Geng, S. Liu, Z. Fu, Y. Ge, and Y. Zhang, “Recommendation as Language Processing (RLP): A Unified Pretrain, Personalized Prompt & Predict Paradigm (P5),” Proc. of the 16th ACM Conference on Recommender Systems, pp. 299-315, 2022.
S. Devlin, J. Chang, K. Lee, and K. Toutanova, "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding," arXiv:1810.04805 [cs.CL], 2019.
A. Radford, K. Narasimhan, T. Salimans, I. Sutskever, "Improving language understanding by generative pre-training," OpenAI, 2018.
T. Brown et al., "Language Models are Few-Shot Learners," Proc. of the Advances in Neural Information Processing Systems, vol. 33, pp. 1877-1901, 2020.
이 논문의 저자 정보
이 논문과 함께 이용한 논문
SASRec vs. BERT4Rec: Performance Analysis of Transformer-based Sequential Recommendation Models
김혜영
,
윤민철
,
이종욱
Journal of KIISE
2024
.04
인간중심 인공지능(Human-Centered AI), 그 가능성과 문제점들
권유빈
,
홍성욱
과학기술학연구
2025
.03
사용자의 선호도 변화를 반영한 추천 시스템의 지속 학습
정지운
,
김형진
,
서영덕
정보과학회 컴퓨팅의 실제 논문지
2024
.08
리뷰 임베딩을 이용한 멀티모달 추천 시스템 상 사용자와 아이템 모델링
박준형
,
안석호
,
서영덕
한국정보과학회 학술발표논문집
2023
.12
대규모 언어 모델을 통한 콘텐츠 기반 추천 설명 생성 방안
여해인
,
노태형
,
한경식
한국정보과학회 학술발표논문집
2023
.12
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089381639