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
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.52 No.12
- 발행연도
- 2025.12
- 수록면
- 1,099 - 1,108 (10page)
- DOI
- 10.5626/JOK.2025.52.12.1099
이용수
초록· 키워드
그룹 추천 시스템 연구는 대부분 고정된 집단을 전제로 그룹 추천 알고리즘의 성능 향상에 초점을 맞춘다. 그러나 고정된 집단은 사용자 선호가 시시각각 변화하는 추천 시스템 환경에 적합하지 않기 때문에, 유사한 선호를 가진 사용자들을 효과적으로 집단화할 수 있는 정교한 그룹 형성 연구가 필요하다. 하지만 기존의 그룹 추천 시스템 연구에서는 주로 K-Means, GMM과 같은 전통적인 클러스터링 기법을 사용하여 그룹을 형성하며, 이는 추천 데이터의 복잡성과 희소성을 충분히 반영하지 못한다. 본 연구는 그룹 형성을 그룹 추천 성능을 결정짓는 핵심 단계로 간주하고, 딥 그래프 클러스터링 기반의 새로운 그룹 형성 모델을 제안한다. 제안된 모델은 그래프 구조 학습과 견고한 학습 전략을 결합하여 그룹 형성의 정밀도를 높이며, 이를 통해 전반적인 추천 정확도 또한 개선한다. 실험 결과, 제안된 모델이 기존 기법 대비 그룹 형성과 추천 성능 모두에서 우수한 결과를 달성함을 확인하였다.
#추천 시스템
#그룹 추천 시스템
#클러스터링
#딥 그래프 클러스터링
#그룹 형성
#recommender systems
#group recommender systems
#clustering
#deep graph clustering
#group formation
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 요약
- Abstract
- 1. 서론
- 2. 관련 연구
- 3. 제안 모델
- 4. 실험 및 평가
- 5. 결론 및 향후 연구
- References
참고문헌
참고문헌 신청최근 본 자료
