메뉴 건너뛰기

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
(국민대학교) (국민대학교) (국민대학교)
저널정보
한국지능정보시스템학회 지능정보연구 지능정보연구 제31권 제1호
발행연도
수록면
23 - 43 (21page)
DOI
10.13088/jiis.2025.31.1.023

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
이 논문의 연구방법이 궁금하신가요?
🏆
연구결과
이 논문의 연구결과가 궁금하신가요?
AI에게 요청하기
추천
검색
질문

초록· 키워드

최근 데이터의 폭발적인 증가로 인해 사용자에게 필요한 정보만을 효율적으로 선별하여 제공하는 작업이 필수적으로 요구되고 있다. 이러한 배경에서, 방대한 정보로부터 각 사용자에게 적합한 정보만을 제공하기 위한 추천 시스템에 대한 많은 연구가 이루어지고 있다. 대표적인 추천 시스템인 협업 필터링은 사용자와 아이템 간의 과거 상호작용을 기반으로 예측을 수행하며, 최근에는 사용자 간의 사회적 관계 정보와 같은 부가 정보를 활용하여 예측의 정확도를 향상시키려는 연구가 활발히 진행되고 있다. GraphRec은 이러한 연구의 일환으로, 사용자의 사회적 관계와 사용자와 아이템 간의 관계를 통합하는 방안을 제시하였다. 그러나 해당 연구는 사용자의 아이템에 대한 선호를 단순히 점수로 표현하여, 선호가 갖는 구체적인 의미를 충분히 반영하지 못했다는 측면에서 한계를 갖는다. 이에 본 연구에서는 사용자가 아이템에 대해 작성한 리뷰 정보를 아이템 추천 과정에서 추가로 반영함으로써 추천 시스템의 성능을 향상시킬 수 있는 방안을 새롭게 제안한다. 제안 방법론의 성능을 확인하기 위해, 사용자 간 신뢰 관계가 포함된 제품 리뷰 사이트에서 수집한 Ciao 데이터셋을 활용하여 총 35,151건의 사용자 리뷰 정보를 GraphRec의 각 모델링 단계에 반영하는 실험을 수행하였다. 실험 결과, 점수와 리뷰를 함께 반영한 제안 방법론이 기존의 점수 기반 모델에 비해 랭킹 기반의 평가지표에서 우수한 성능을 나타냄을 확인하였다.
#GraphRec #리뷰 임베딩 #사회적 관계 #언어 모델 #하이브리드 추천 시스템 #Review Embedding #Social Relationship #Language Models #Hybrid Recommendation Systems
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

목차

  1. 1. 서론
  2. 2. 관련 연구
  3. 3. 제안 방법론
  4. 4. 실험
  5. 5. 결론
  6. 참고문헌(References)
  7. Abstract

참고문헌

참고문헌 신청

최근 본 자료

전체보기
260429_DBpiaAI
260319_딥리서치
260319_AI리더
260304_새학기에이전트
260429 전공별 추천 이벤트
260428 이주의질문
260304_아그논문롤
260127_아그논문
260127_AI뷰어
UCI(KEPA) : I410-151-25-02-092693125