인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
기존 리뷰 유용성 예측 연구는 학습 데이터와 테스트 데이터가 동일한 분포를 따른다는 독립항등분포 가정에 기반하고 있다. 그러나, 실제 온라인 플랫폼에서는 상품 카테고리에 따른 분포 차이로 인해 학습된 모델의 예측 성능 저하로 이어질 수 있다. 본 연구는 리뷰 유용성 예측 문제를 새로운 상품 카테고리로의 일반화 문제로 확장하고 도메인 일반화 알고리즘의 적용 가능성과 한계를 실증적으로 분석하였다. 이를 위해 Amazon Reviews 2023 데이터셋의 33개 상품 카테고리를 각각 하나의 도메인으로 정의하였다. 이후, 15개 도메인을 고정된 소스 도메인으로 설정하고 통합하여 학습 데이터로 사용하고, 이를 학습에 사용되지 않은 나머지 도메인으로 평가하여 고정 소스-다중 타겟 설정에서 미학습 타겟 도메인에 대한 성능을 측정하였다. 도메인 간 차이를 고려하지 않는 ERM을 베이스라인으로 설정하여 대표적인 도메인 일반화 알고리즘인 DeepCORAL, DANN, GroupDRO, MLDG, Mixup과 동일한 조건에서 비교하였다. 실험 결과를 통해 리뷰 유용성 예측에서 도메인 일반화 알고리즘의 적용이 항상 성능 향상으로 이어지는 것은 아니며, 알고리즘이 도메인 정보를 활용하고 조정하는 방식이 미학습 타겟 도메인 성능에 영향을 미칠 가능성을 시사하였다.
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
