하이브리드 랭킹 기법을 적용한 추천시스템|RISS 상세보기

국문 초록 (Abstract)

인터넷의 대중적인 보급으로 인해 사용자들의 구매 패턴은 오프라인에서 온라인으로 옮겨가고 있다. 수많은 사람들이 인터넷을 통해 물건을 구입하거나 영화 스트리밍 서비스를 이용한다. 사용자들은 손쉽게 구매하고자 하는 것에 대한 정보를 얻을 수 있으나 과다하게 제공되는 정보 속에서 실제로 자신에게 유용한 정보를 찾는데 어려움을 느낀다. 추천시스템은 사용자들이 필요로 하는 정보를 판단하고 제공할 수 있다. 그러나 기존의 추천시스템에는 상위 소수가 추천의 대부분을 차지한다는 문제점이 있다. 이러한 상위 소수는 유명한 정보이며, 사용자는 이 정보를 이미 알고 있을 확률이 높다. 이러한 문제점은 사용자를 지루하게 만들며 추천시스템에 대한 사용자의 신뢰를 떨어트린다. 이 문제점을 해결하기 위해 사용자에게 추천 될 정보들의 순위를 재정렬하는 다양한 랭킹 기법이 제안되었다. 그러나 이 랭킹 기법들은 다양한 추천은 가능했지만 사용자가 원하지 않는 정보가 더 많이 추천되는 정확성 문제가 존재했다. 본 논문은 영화 추천시스템에서 이러한 문제의 해결에 초점을 맞추고 선호 비율 확산 알고리즘과 아이템 선호도 표준편차 랭킹 기준을 이용한 하이브리드 랭킹 기법을 제안하며 기존의 랭킹 기법들과 비교한다. 실험 결과 다른 랭킹 기법과 비교하여 정확성 문제가 개선되었지만 다양성이 감소했다. 그러나 정확성 증가량을 고려할 때 다양성 감소량은 사소하다고 볼 수 있었다.

번역하기

인터넷의 대중적인 보급으로 인해 사용자들의 구매 패턴은 오프라인에서 온라인으로 옮겨가고 있다. 수많은 사람들이 인터넷을 통해 물건을 구입하거나 영화 스트리밍 서비스를 이용한다. ...

다국어 초록 (Multilingual Abstract)

Buying patterns of users are moving from offline to online due to popular propagation of the internet. Numerous people purchase goods and get movie streaming service through the internet. Users can easily get information about what they are trying to purchase, but they find it difficult to get the practically useful one in the information provided excessively. Recommendation system can judge and provide the information what users need. However, the existing recommendation systems have a problem that the top minority comprise the great majority of recommendations. These minorities are a well known information and users are therefore likely to know about them already. This problem makes users bored and distrust the recommendation systems. Various ranking techniques for reordering the priority of information recommended to users have been proposed to address this issue. These ranking techniques can provide various recommendations, yet they have an accuracy problem that the information user does not want is recommended more frequently. This study focused on resolving these issues of the movie recommendation system, proposing a hybrid ranking technique which uses preferred rate spread algorithms and item preference standard deviation ranking criteria and
comparing it with the existing ranking techniques. The study results showed improved accuracy compared to other ranking techniques but diversity has decreased. Still, in consideration of the increase of accuracy, the decrease of diversity was negligible.

번역하기

목차 (Table of Contents)

제 1장 서론 1
1.1 연구 배경 1
1.2 연구 목표 3
1.3 논문의 구성 5
제 2장 관련 연구 6

제 1장 서론 1
1.1 연구 배경 1
1.2 연구 목표 3
1.3 논문의 구성 5
제 2장 관련 연구 6
2.1 사용자 기반 협업필터링 6
2.2 임계값과 아이템 속성을 이용한 랭킹 기법 9
2.3 페이지랭크 알고리즘 11
2.4 확률적 확산 알고리즘 13
2.5 열 확산 알고리즘과 하이브리드 페이지랭크 알고리즘 17
제 3장 하이브리드 랭킹 기법을 적용한 추천시스템 19
3.1 시스템의 구성 19
3.2 유사도 계산과 선호도 예측 및 정렬 21
3.3 랭크 점수 계산 21
3.3.1 선호 비율 확산 알고리즘 21
3.3.2 표준편차 랭크 점수 계산 26
3.3.3 최종 랭크 점수 계산 27
3.4 임계값과 최종 랭크 점수를 이용한 예측 선호도 랭킹 28
제 4장 실험 및 성능 평가 29
4.1 평가 척도 30
4.2 실험 데이터 31
4.3 실험 방법 31
4.4 변수의 변화에 따른 성능 변화 분석 33
4.4.1 α에 의한 성능 변화 및 분석 33
4.4.2 T_Pre에 의한 성능 변화 및 분석 35
4.4.3 각 추천 수에 대한 성능과 분석 39
4.4.4 T_IRC에 의한 성능 변화 및 분석 42
제 5장 결론 및 향후 연구 45
참고문헌 47
국문 초록 50
Abstract 51

상세검색

RISS 보유자료

상세검색

해외전자자료

하이브리드 랭킹 기법을 적용한 추천시스템

부가정보

분석정보

연관 공개강의(KOCW)

이 자료와 함께 이용한 RISS 자료

나만을 위한 추천자료