인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
- 저자정보
초록·키워드
추천 시스템의 지속 학습 연구는 컴퓨터 비전이나 자연어 처리 분야의 연구와 같이 치명적 망각 현상 완화를 목표로 하는 안정성 향상에 초점을 맞춘다. 하지만 안정성에만 초점을 맞춘 지속 학습은 추천 시스템상의 사용자 선호도가 일정하게 유지된다는 가정하에 효과적이고, 시간의 흐름에 따라 사용자 선호도가 자연스럽게 변화하는 추천 시스템의 실제 환경을 고려한 방법이 아니다. 따라서, 추천 시스템의 지속 학습에서는 사용자의 선호도 변화를 파악해야 하고, 사용자마다 기존 선호도와 신규 선호도의 중요도를 다르게 측정해야 한다. 본 논문에서는 사용자의 선호도 변화를 고려하여 재사용 샘플의 크기와 정규화 강도를 조절하는 Recup (Reflecting Changes in User Preference) 프레임워크를 제안한다. Recup은 각 사용자의 선호도 변화를 반영한 지속 학습을 가능하게 하여 기존 추천 시스템의 지속 학습 방법들에 비해 우수한 결과를 보인다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
