메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Suji Kang (P&D Solution) Changha Hwang (Dankook University)
저널정보
계명대학교 자연과학연구소 Quantitative Bio-Science Quantitative Bio-Science Vol.36 No.1
발행연도
2017.5
수록면
45 - 50 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this paper, we propose a deep recommender system that utilizes purchase history data of customers when ratings for products are not available at all. The purchase history data of these customers are obtained between May 2014 and July 2015 from nationwide branches of a particular supermarket chain. If the customer’s purchase cycle for a particular product is shorter than the average purchase cycle, then the preference for the product will be high. Using this idea, we generate rating data from these customers’ purchase history data. Among collaborative filtering recommender systems using rating data, we know that the restricted Boltzmann machine (RBM) shows the best performance in terms of prediction accuracy. Thus, for recommender system wepropose the use of conditional RBM, which utilizes additional information on whether or not to purchase. Through an experiment we show that conditional RBM works best in predicting the ratings for products. This recommender system is expected to be useful in future.
#Collaborative filtering #Conditional restricted Boltzmann machine #Rating #Recommender system #Restricted Boltzmann machine

목차

ABSTRACT
Introduction
CF-based Recommender System
Experimental Results
Conclusions
References

참고문헌 (6)

참고문헌 신청
[학술지(정기간행물)] - Su X / 2009 / A survey of collaborative filtering techniques / Lect Notes Artif Int 2009 : 421425 ~ Crossref [학술지(정기간행물)] - Adomavicius G / 2005 / Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions / IEEET Knowl Data En 17 : 734 ~ 749 google schola [학술대회논문] - Sarwar B / 2002 / Incremental singular value decomposition algorithms for highly scalable recommender systems / Proceedings of Fifth International Conference on Computer and Information Technology 1 : 27 ~ 28 google schola [학술대회논문] - Sarwar B / 2000 / Application of dimensionality reduction in recommender systems-a case study / ACM WebKDD 2000 Web Mining for E-Commerce Workshop 1 : 82 ~ 90 google schola [학술대회논문] - Salakhutdinov R / 2007 / Restricted Boltzmann machines for collaborative filtering / ACM International Conference on Machine Learning 1 : 791 ~ 798 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Big Data Processing Strategies for Low-cost Monitoring of Airborne Particulate Matter in Mine Sites
Eui Young Seo ,  Sunghyun Bae ,  Gwan In Bak 외 1명 Quantitative Bio-Science 2021 .11
Segmentation Strategy for Asset Groups in the Korean Exchange-Traded Funds Market Using Genetic Algorithm
Han Jun Ko ,  Kyong Joo Oh Quantitative Bio-Science 2019 .11
Cluster Analysis of the Incidence of National Notifiable Infectious Diseases by Region
Incheol Seo Quantitative Bio-Science 2017 .11

최근 본 자료

전체보기

댓글(0)

0