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.
이용수
초록· 키워드
오류제보하기
최근 추천시스템의 품질평가 관점에서 이에 대한 다양한 연구들이 진행되고 있다. 추천시스템은 기본적으로 사용자들에게 특정 아이템에 대한 개인화된 추천을 제공하는데 목적이 있으며, 대부분의 추천시스템은 항상 사용자 또는 아이템과 가장 관련 있는 아이템을 추천한다. 그리고 이러한 추천시스템의 성과는 전통적으로 다양한 예측정확도 등에 초점을 두어 왔다. 그러나, 추천시스템은 예측가능성 차원에서 정확해야 할 뿐만 아니라 사용자들에게 유용해야 한다. 특히 최근의 추천시스템에 대한 연구로서, 추천시스템의 평가기준에 속하는, 추천시스템에 대한 사용자 만족도(품질)는 추천시스템이 얼마나 정확하게 추천하느냐 뿐만 아니라 사용자의 의사결정에 얼마나 충분히 도움이 되는지와 관계가 깊다. 예를 들어, 특히 높은 수준의 세렌디티피한 추천은 사용자들이 뜻밖의 아이템이면서 흥미로운 아이템을 찾는데 도움이 된다. 여기서, 세렌디피티란 추천 아이템이 사용자에게 매력적인 동시에 뜻밖의 (비기대성의) 아이템인 정도를 의미한다.
본 연구는 추천시스템의 성과를 나타내는 세렌디피티 지표를 추천시스템에 적용하여 추천시스템의 품질을 평가하는 것을 목표로 한다. 본 연구에서는 세렌디피티 지표는 관련성(매력)이 있는 동시에 뜻 밖인(비기대성의) 아이템을 추천하는 정도로 정의하고, 이 세렌디피티 지표를 측정하기 위해, 추천시스템이 사용자들에게 예상치 못한 유용한 아이템을 찾을 수(또는 추천할 수) 있는 정도를 평가하였다. 본 연구의 주요 실증분석결과로는, 아이템기반 협력 필터링 기법이 사용자기반 협력 필터링 기법보다 더 높은 세렌디피티값을 가지며, 따라서, 추천시스템의 품질평가 차원에서 아이템기반 협력 필터링 기법은 사용자기반 협력 필터링 기법보다는 더 좋은 추천 품질을 갖고 있음을 보여 주었다.
본 연구는 추천시스템의 성과를 나타내는 세렌디피티 지표를 추천시스템에 적용하여 추천시스템의 품질을 평가하는 것을 목표로 한다. 본 연구에서는 세렌디피티 지표는 관련성(매력)이 있는 동시에 뜻 밖인(비기대성의) 아이템을 추천하는 정도로 정의하고, 이 세렌디피티 지표를 측정하기 위해, 추천시스템이 사용자들에게 예상치 못한 유용한 아이템을 찾을 수(또는 추천할 수) 있는 정도를 평가하였다. 본 연구의 주요 실증분석결과로는, 아이템기반 협력 필터링 기법이 사용자기반 협력 필터링 기법보다 더 높은 세렌디피티값을 가지며, 따라서, 추천시스템의 품질평가 차원에서 아이템기반 협력 필터링 기법은 사용자기반 협력 필터링 기법보다는 더 좋은 추천 품질을 갖고 있음을 보여 주었다.
목차
1. Introduction
2. Several issues in Recommender System
3. Research methodology
4. Experimental Results
5. Conclusion
References
국문요약
참고문헌 (25)
참고문헌 신청
Adamopoulos, P. and Tuzhilin, A., “On Unexpectedness in Recommender Systems: Or How to Better Expect the Unexpected,” ACM Transactions on Intelligent Systems and Technology, Vol.1, No.1(2014), 1~51.
Adomavicius, G. and Tuzhilin, A., “Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions,” IEEE Transactions on Knowledge and Data Engineering, Vol.17, No.6(2005), 734~749.
Aggarwal, C. C., Procopiuc, C., and Yu, P. S., “Finding Localized Associations in Market Basket Data,” IEEE Transactions on Knowledge and Data Engineering, Vol.14, No.1(2002), 51~62.
Bernardi, L., Kamps, J., Kiseleva, J., and Muller, M., “The Continuous Cold Start Problem in e-Commerce Recommender Systems,” 2nd Workshop on New Trends on Content-Based Recommender Systems, (2015), 30~33.
Chen, Y., Wu, C., Xie, M. and Guo, X., “Solving the Sparsity Problem in Recommender Systems Using Association Retrieval,” Journal of Computers, Vol.6, No.9(2011), 1896~1902.
Adomavicius, G. and Tuzhilin, A., “Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions,” IEEE Transactions on Knowledge and Data Engineering, Vol.17, No.6(2005), 734~749.
Aggarwal, C. C., Procopiuc, C., and Yu, P. S., “Finding Localized Associations in Market Basket Data,” IEEE Transactions on Knowledge and Data Engineering, Vol.14, No.1(2002), 51~62.
Bernardi, L., Kamps, J., Kiseleva, J., and Muller, M., “The Continuous Cold Start Problem in e-Commerce Recommender Systems,” 2nd Workshop on New Trends on Content-Based Recommender Systems, (2015), 30~33.
Chen, Y., Wu, C., Xie, M. and Guo, X., “Solving the Sparsity Problem in Recommender Systems Using Association Retrieval,” Journal of Computers, Vol.6, No.9(2011), 1896~1902.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
접근 이력 기반의 하이브리드 세렌디피티 추천 시스템
한국지능정보시스템학회 학술대회논문집
2015 .11
-
“추천시스템” 특집을 내면서
정보과학회지
2021 .03
-
키워드 기반 추천시스템 데이터 셋 구축 및 분석
한국정보기술학회논문지
2018 .06
-
사용자 기반 협업 필터링을 활용한 취미활동물품 대여 플랫폼에서의 추천 시스템
디지털콘텐츠학회논문지
2022 .06
-
협업필터링 기반 추천 시스템에서 항목 다양성 개선 기법
한국정보기술학회논문지
2016 .08
-
청취 순서 성향을 고려한 랜덤워크 음악 추천 기법과 실험 사례
한국전자거래학회지
2017 .08
-
아이템 기반 협엽 필터링과 사용자 위치정보 기반 아이템 추천 알고리즘
한국통신학회 학술대회논문집
2017 .06
-
사용자 선호도를 사용한 군집 기반 추천 시스템
한국정보통신학회논문지
2017 .02
-
아이템과의 관련성을 고려한 리뷰 기반 추천 시스템 개발
지능정보연구
2024 .09
-
E-Commerce 데이터를 활용한 개인화 추천 다양성 증대 방법 비교
한국컴퓨터정보학회논문지
2022 .09
-
Preference Difference Metric을 이용한 아이템 분류방식의 추천알고리즘
정보과학회 컴퓨팅의 실제 논문지
2015 .02
-
효율적인 설명가능한 추천시스템 구현 방안
한국정보과학회 학술발표논문집
2021 .12
-
Spark 환경에서 기회비용을 고려한 그룹 추천시스템
대한산업공학회 춘계공동학술대회 논문집
2017 .04
-
“추천 시스템” 특집을 내면서
정보과학회지
2016 .06
-
추천의 다양성을 고려한 그래프 기반 추천시스템
한국지능정보시스템학회 학술대회논문집
2020 .06
-
빅 데이터 처리 기법을 적용한 추천 시스템에 관한 연구
한국정보통신학회논문지
2017 .06
-
대조적 표현 학습을 통하여 그룹, 유저, 아이템의 구조를 활용하는 추천 시스템
정보과학회 컴퓨팅의 실제 논문지
2022 .11
-
추천 상품 시각화를 위한 그래프 데이터베이스 활용
한국정보기술학회논문지
2017 .06
-
능동 추천을 통한 추천 시스템 성능 향상
한국정보과학회 학술발표논문집
2016 .12
-
네트워크 분석 기반의 지능형 추천 시스템
한국지능정보시스템학회 학술대회논문집
2020 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-003-000230178