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
- 학위논문
- 저자정보
- 지도교수
- 김우주
- 발행연도
- 2019
- 저작권
- 연세대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
소셜 네트워크(Social Network Service: SNS)가 활성화되어 사용자들이 SNS에 다양한 게시물을 업로드하고 있다. 이에 따라 소셜 미디어 공유 사이트인 유튜브 또한 크게 성장 하였으며, 유튜브 크리에이터를 통한 광고 방식이 하나의 중요한 마케팅으로 자리 잡고 있다. 그러나 기존 크리에이터 추천 방식의 경우 크리에이터가 다루는 핵심 컨텐츠에 대해 반영하지 않은 추천이 이루어 졌다. 따라서 이러한 한계점을 극복하기 위하여 크리에이터가 게시한 영상 사이의 사회적 관계와 컨텐츠의 텍스트 정보를 함께 반영하여 네트워크 임베딩 방법론을 통해 추천 시스템을 제안 하였다. 이 과정에서 추천 성능 향상을 위해 유튜브 영상 네트워크에 대하여 연결 관계를 확장하여 학습 과정에 반영하였다. 또한, 로열티 지수를 통해 해당 크리에이터의 키워드 충성도에 대하여 반영하였으며 이를 통해 각 키워드에 적합한 크리에이터를 추천하였다.
연구 결과, 본 연구에서 제안하는 네트워크 임베딩 기반 크리에이터 추천 시스템은 CPV, CPE에 대하여 기존 추천 방식이 고려한 구독자 수 보다 상관관계가 높았다. 또한, 제안하는 방법론의 산출물인 임베딩 벡터가 네트워크의 정보를 잘 나타냈는지 평가하기 위해 링크 예측 실험을 진행하였다. 링크 예측 문제에서도 기존 베이스라인 모델과 비교하였을 때, 제안된 방법론이 더 높은 예측 성능을 보였음을 확인하였다.
연구 결과, 본 연구에서 제안하는 네트워크 임베딩 기반 크리에이터 추천 시스템은 CPV, CPE에 대하여 기존 추천 방식이 고려한 구독자 수 보다 상관관계가 높았다. 또한, 제안하는 방법론의 산출물인 임베딩 벡터가 네트워크의 정보를 잘 나타냈는지 평가하기 위해 링크 예측 실험을 진행하였다. 링크 예측 문제에서도 기존 베이스라인 모델과 비교하였을 때, 제안된 방법론이 더 높은 예측 성능을 보였음을 확인하였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0