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

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국정보처리학회 JIPS(Journal of Information Processing Systems) JIPS(Journal of Information Processing Systems) 제9권 제1호
발행연도
2013.1
수록면
157 - 172 (16page)

이용수

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

초록· 키워드

오류제보하기
There are many recommendation systems available to provide users with personalized services. Among them, the most frequently used in electronic commerce is ‘collaborative filtering’, which is a technique that provides a process of filtering customer information for the preparation of profiles and making recommendations of products that are expected to be preferred by other users, based on such information profiles. Collaborative filtering systems, however, have in their nature both technical issues such as sparsity, scalability, and transparency, as well as security issues in the collection of the information that becomes the basis for preparation of the profiles. In this paper, we suggest a movie recommendation system, based on the selection of optimal personal propensity variables and the utilization of a secure collaborating filtering system, in order to provide a solution to such sparsity and scalability issues. At the same time, we adopt ‘push attack’ principles to deal with the security vulnerability of collaborative filtering systems. Furthermore, we assess the system’s applicability by using the open database MovieLens, and present a personal propensity framework for improvement in the performance of recommender systems. We successfully come up with a movie recommendation system through the selection of optimal personalization factors and the embodiment of a safe collaborative filtering system
#Collaborative Filtering #Movie Recommendation System #Personal Propensity #Security #Push Stack

목차

등록된 정보가 없습니다.

참고문헌 (25)

참고문헌 신청
/ 2011 / Internet Use Survey Summary Report : 2 ~ 27 google schola B. Mobasher / 2002 / Discovery and Evaluation of Aggregate Usage Profiles for Web Personalization / Data Mining and Knowledge Discovery 6 (1) : 61 ~ 82 google schola B. Mobasher / 2007 / Attacks and Remedies in Collaborative Recommendation / Intelligent Systems, IEEE : 56 ~ 63 google schola B. Sarwar / 2001 / Item-based collaborative filtering recommendation algorithms / Proceeding of the 10Th international conference on World Wide Web : 285 ~ 295 google schola C. Dellarocas / 2000 / Immunizing Online Reputation Reporting Systems against Unfair Rating and Discriminatory Behavior / Proceedings of the ACM Conference on Electronic Commerce google schola

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0