Word2Vec과 2채널 합성곱 신경망을 활용한 영화추천시스템의 정확도 개선

강부식

추천

검색

자료유형: 학술저널

저자정보: 강부식 (목원대학교)

저널정보: 한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제16권 제2호

발행연도: 2021.1

수록면: 255 - 263 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

상품 추천 시스템의 예측 정확도를 개선하는 것은 추천 시스템 분야의 주요 주제 중 하나이다. 최근 텍스트 분석에서 많이 활용되고 있는 Word2Vec을 이용한 예측 정확성 개선 연구가 제시되고 있다. 또한, 다양한 신경망을 이용한 예측 정확성 개선 연구가 제시되고 있다. 이 연구는 Word2Vec과 2채널 합성곱 신경망을 결합한 영화 추천 시스템의 예측 정확도를 향상할 수 있는 방안을 제안한다. Word2Vec을 이용하여 사용자 간 연관성을 다차원 벡터 공간으로 표현한다. 또한, 영화 간 연관성을 다차원 벡터 공간으로 표현한다. 추가로 사용자 평점 성향을 유추하기 위해 사용자별 평균 평점 정보를 사용하여 제2의 사용자별 다차원 벡터를 찾아낸다. 비슷하게 제2의 영화별 다차원 벡터를 찾아낸다. 사용자 벡터와 영화 벡터를 2채널로 구성하고 이를 2채널 합성곱 신경망을 통해 학습한다. 합성곱 신경망은 사용자 합성곱 모델과 영화 합성곱 모델로 각각 구성되고 완전연결 계층에서 연결된다. 제안한 모델의 예측 정확성 성능 평가를 위해 filmtrust 데이터를 가지고 실험하였다. 실험 결과 제안한 기법이 기존 선행연구에서 제안한 기법에 비해 예측 정확도를 개선함을 알 수 있었다.

#Word2vec #Collaborative filtering #Recommender systems #Convolutional neural networks #Deep learning #Accuracy improvement

참고문헌 (17)

참고문헌 신청

B. Sarwar / 2001 / Item-based collaborative filtering recommendation algorithms / Proceedings of the 10th International Conference on World Wide Web :285~295

K. Goldberg / 2001 / EigenTaste : a constant time collaborative filtering algorithm / Information Retrieval 4(2):133~151

T. Mikolov / 2013 / Distributed representations of words and phrases and their compositionality / Advances in Neural Information Processing Systems 26:3111~3119

강부식 / 2018 / Word2Vec을 이용한 사용자기반 협업필터링의 예측 정확도 개선 / 한국지식정보기술학회 논문지 13(1):169~176

O. Barkan / 2016 / Item2vec:neural item embedding for collaborative filtering / 2016 IEEE 26th International Workshop on Machine Learning for Signal Processing :1~6

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

강부식

소속기관 목원대학교

주요연구분야 복합학 > 학제간연구

논문수 8 이용수 254

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (17)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)