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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이청용 (경희대학교) 장동수 (경희대학교) 구하은 (경희대학교) 김재경 (경희대학교)
저널정보
한국지능정보시스템학회 지능정보연구 지능정보연구 제30권 제1호
발행연도
2024.3
수록면
17 - 36 (20page)
DOI
10.13088/jiis.2024.30.1.017

이용수

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

초록· 키워드

오류제보하기
추천 시스템의 데이터 희소성 문제를 개선하기 위해 컨텍스트 정보를 활용한 연구가 활발하게 진행되고 있다. 다양한 선행 연구들은 추천 모델을 구축하는 과정에서 컨텍스트 정보를 구성하는 속성들을 단순히 결합하는 방법을 활용하였다. 하지만 제품에 대한 선호도는 고객이 고려하는 속성의 중요도에 따라 달라질 수 있기 때문에 컨텍스트 정보를 단순히 결합하는 방법은 추천 모델에 효과적이지 않을 수 있다. 따라서 본 연구는 고객과 제품 간 상호작용을 정교하게 학습하기위해 컨텍스트 정보를 구성하는 각 속성의 중요도를 반영한 CINCF(Contextual information Importance-based Neural Collaborative Filtering) 모델을 제안한다. CINCF는 다양한 컨텍스트 정보에 포함된 속성들을 통합하고 어텐션 메커니즘을 활용하여 속성들이 가질 중요도를 고려하여 상호작용을 학습한다. 본 연구에서 제안된 CINCF의 추천 성능을 검증하기위해 Amazon.com에서 수집한 세 가지 카테고리의 데이터를 사용하였다. CINCF 모델은 여러 베이스라인 모델과 비교하여 우수한 추천 성능을 보였으며, 이를 통해 컨텍스트 정보에 내포된 속성의 중요도를 고려하는 추천 방법론의 효과성을 입증할 수 있었다.

목차

1. 서론
2. 관련 연구
3. CINCF 프레임워크
4. 실험
5. 실험 결과
6. 결론 및 향후 연구
참고문헌(References)
Abstract

참고문헌 (54)

참고문헌 신청

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-089704338