지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 손경아
- 발행연도
- 2017
- 저작권
- 아주대학교 논문은 저작권에 의해 보호받습니다.
이용수11
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
데이터 희소성은 추천 시스템의 성능에 큰 영향을 미치는 문제로 추천 시스템에서 데이터 희소성을 해결하는 것은 매우 중요하다.
따라서 본 논문은 Epinions 데이터를 사용하여 데이터 희소성에 따른 추천 시스템 알고리즘의 성능을 비교하고, 신뢰 데이터를 사용하여 Hybrid 알고리즘을 개선한다. 추천 시스템 알고리즘은 행렬 분해 방식의 BPR과 확산 방식의 Hybrid를 주로 사용하였다.
첫 번째 연구에서는 데이터가 다양한 희소성을 가지도록 구성하여 희소성이 높은 데이터에서는 Hybrid 알고리즘이 더 적합하다는 것을 알 수 있었다.
두 번째 연구에서는 Hybrid 알고리즘에 신뢰 데이터를 사용하는 S-Hybrid 알고리즘을 제안하여 Hybrid 알고리즘을 개선한다. 신뢰 데이터는 사용자간의 친밀도를 보여 주는 데이터이며, 이를 통해서 기존에 연구 된 적 없었던 신뢰 데이터를 사용한 Hybrid 알고리즘을 개발 할 수 있었다.
따라서 본 논문은 Epinions 데이터를 사용하여 데이터 희소성에 따른 추천 시스템 알고리즘의 성능을 비교하고, 신뢰 데이터를 사용하여 Hybrid 알고리즘을 개선한다. 추천 시스템 알고리즘은 행렬 분해 방식의 BPR과 확산 방식의 Hybrid를 주로 사용하였다.
첫 번째 연구에서는 데이터가 다양한 희소성을 가지도록 구성하여 희소성이 높은 데이터에서는 Hybrid 알고리즘이 더 적합하다는 것을 알 수 있었다.
두 번째 연구에서는 Hybrid 알고리즘에 신뢰 데이터를 사용하는 S-Hybrid 알고리즘을 제안하여 Hybrid 알고리즘을 개선한다. 신뢰 데이터는 사용자간의 친밀도를 보여 주는 데이터이며, 이를 통해서 기존에 연구 된 적 없었던 신뢰 데이터를 사용한 Hybrid 알고리즘을 개발 할 수 있었다.
목차
제１장 서 론제１절 연구 배경제２절 연구 목적제３절 논문 구성제２장 관련 연구제３장 데이터 희소성에 따른 알고리즘 성능 연구제１절 알고리즘１. Global Average２. User k-neighborhood３. Item k-neighborhood４. Bayesian Personalize Ranking(BPR)５. Hybrid제２절 데이터１. Epinions 데이터２. 데이터 전처리제３절 평가 방법１. 성능 평가 지표２. 성능 평가 방법제４절 실험 결과１. 알고리즘 성능 비교２. 데이터 희소성에 따른 알고리즘 성능 비교제４장 신뢰 정보를 사용한 Hybrid 알고리즘 개선제１절 제안 방법제２절 데이터 및 평가 방법제３절 실험 결과제５장 결 론
최근 본 자료
댓글(0)
0