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
안진수 (국립창원대학교) 유재수 (충북대학교) 최도진 (국립창원대학교)
저널정보
한국콘텐츠학회 한국콘텐츠학회논문지 한국콘텐츠학회논문지 제25권 제1호
발행연도
2025.1
수록면
1 - 14 (14page)
DOI
10.5392/JKCA.2025.25.01.001

이용수

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

초록· 키워드

오류제보하기
정보통신기술의 발달로 많은 양의 콘텐츠가 생성된다. 유저는 수많은 콘텐츠 속에서 자신에게 필요한 콘텐츠를 선별하는 작업이 수반된다. 이러한 문제를 해결하기 위해 추천 시스템이 활발하게 연구되고 있다. 본 논문에서는 유저-아이템 정보를 활용하여 이종 그래프를 구성한다. 기존 이종 그래프 기반 추천 시스템은 동종 노드(사용자-사용자, 아이템-아이템) 간의 관계 정보가 누락되어 추천 성능이 저하되는 한계가 있다. 본 논문에서는 이러한 문제를 해결하기 위해 그래프 신경망(GNN) 기반 추천 시스템과 그래프 데이터 증강을 활용한 프레임워크를 제안한다. 최신 오픈소스 딥러닝 모델을 활용하여 그래프 속성 증강을 수행한다. 개인화된 추천을 위해 5가지의 유사도 값을 정의하고 해당 유사도 값을 이용하여 동종 노드 간 누락된 엣지 증강을 수행한다. LSH(Locality-Sensitive Hashing) 알고리즘을 도입하여 대규모 그래프에서의 유사도 계산을 최적화하였다. 실험 결과 기존 GCN 방식 대비 약 20%의 성능 향상을 보였으며를 통해 동종 노드 간 관계 정보의 중요성을 입증하였다.
#그래프 신경망 #추천 시스템 #이종 그래프 #그래프 데이터 증강 #지역 민감 해시 #Graph Neural Networks #Recommendation System #Heterogeneous Graph #Graph Data Augmentation #Locality-Sensitive Hashing

목차

요약
Abstract
I. 서론
II. 관련 연구 및 한계점
III. 제안하는 증강 프레임워크
IV. 성능평가
V. 결론 및 향후 연구
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

UCI(KEPA) : I410-151-25-02-092343942