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.
초록·키워드
Abstract In the era of information overload, sequential recommendations are crucial for capturing users’ dynamic preferences; however, they suffer from challenges such as data sparsity and noise stemming from superficial interactions. Previous approaches to address these issues have evolved from recurrent neural networks (RNNs) and attention mechanisms to graph neural networks, yet they still struggle to learn precise and robust item representations. This study aims to bridge this gap by proposing a novel and unified framework. In the proposed method, knowledge graph embeddings are refined and optimized through contrastive predictive coding. Subsequently, these enriched representations are integrated with users’ dynamic preferences, extracted by a sequential model based on LSTM and self-attention, to generate highly personalized and accurate recommendations. The key finding of our research, based on experiments conducted on three benchmark datasets, demonstrates the significant superiority of the proposed model, achieving an AUC of 0.97 on the MovieLens-1M dataset.
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
