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
학술대회자료
저자정보
이재홍 (서울대학교) 서봉원 (서울대학교)
저널정보
한국HCI학회 한국HCI학회 학술대회 PROCEEDINGS OF HCI KOREA 2023 학술대회 발표 논문집
발행연도
2023.2
수록면
950 - 955 (6page)

이용수

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

이 논문의 연구 히스토리 (2)

2023

아이템 지식 정보를 이용한 임베딩 학습 및 추천 연구
이재홍 ,  서봉원 한국HCI학회 학술대회 2023.02 학술대회자료
아이템 지식 정보를 이용한 임베딩 학습 및 추천 연구
이재홍 지능정보융합학과 2023.01 학위논문

초록· 키워드

오류제보하기
사용자가 물건을 구매하거나 클릭하는 등의 행동을 통해, 축적되는 로그 데이터를 바탕으로 사용자와 아이템간 상호 관계에 대해 파악하고, 협업 필터링이나 콘텐츠 기반 필터링 등의 방법을 적용하여 아이템에 대한 추천을 수행하였다. 그래프 인공 신경망 기술의 발전으로 대상의 관계성을 잘 고려할 수 있는 추천 시스템 모델을 설계할 수 있게 되었으며, 기존 방법론에 비해 우수한 성능을 보여주었다. 또한, 더 정확한 추천을 위해 사용자 정보나 아이템 지식 정보와 같은 각종 추가 정보를 활용하는데 유리하여 해당 방향으로의 연구가 활발히 진행되었다. 최근 연구에서 소셜 네트워크 데이터를 추가 정보로 활용하여 그래프 대조 학습을 수행하였으며, 여러 추천 데이터셋에 대해 좋은 성능을 보였다. 하지만 이러한 소셜 네트워크 데이터는 구하기 힘들고, 아예 없는 경우도 많아서 실제로 해당 방법을 활용하기 어렵다는 한계가 있었다. 따라서 본 연구에서는 소셜 네트워크 데이터 대신 아이템 지식 정보 데이터를 활용하여 추천 성능을 개선하는 방안을 제시한다. 소셜 네트워크 데이터를 추가 정보로 활용한 기존 연구와 비슷한 수준의 성능을 달성하였으며, 이는 소셜 네트워크 데이터가 없는 경우에도 높은 수준의 추천이 가능함을 보여준다.
#추천시스템 #그래프 대조 학습

목차

요약문
1. 서론
2. 이론적 배경
3. 연구 내용
4. 실험 결과
5. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0