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
- 안현철
- 발행연도
- 2020
- 저작권
- 국민대학교 논문은 저작권에 의해 보호받습니다.
이용수12
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
추천 시스템(推薦system)은 정보필터링(IF : Information Filtering) 기술로, 사용자가 관심을 가질 만한 정보(뉴스, 영화, 음악, 책, 웹 페이지, 이미지 등)를 추천하는 것을 말한다. 추천 시스템에서는 일반적으로 협업 필터링 기법을 많이 사용한다. 협업필터링(collaborative filtering, CF)은 사용자 선호도 또는 활동, 행동에 대한 많은 정보를 분석하고 수집하여 다른 사용자와의 유사도에 기초를 두고 사용자들이 무엇을 선호할 지를 예측하는 것에 기초를 두고 있다. 협업필터링 접근법의 중요한 장점은 기계 분석 내용에 의존하고 있지 않다는 것과 과거에 동의한 사람들이 미래에도 동의하고 그들이 과거에 좋아했던 것들을 미래에도 좋아할 것이라는 가정에 기초를 두고 있다.
본 연구에서는 온라인 고객 리뷰 데이터를 추천 알고리즘 중 전통적인 협업필터링과 LDA 속성 추출과 감성분석을 결합한 속성기반 오피니언 마이닝(ABOM : Aspect-Based Opinion Mining) 기법을 결합하여 온라인 고객의 앱 평점(APP_Score) 대한 정확도를 예측하였다.
실험 결과 전통적인 협업필터링을 구현한 평점의 정확도 보다 속성기반 오피니언 마이닝 CF를 적용한 평점의 예측 정확도가 더 우수한 것으로 나타났다.
본 연구에서는 온라인 고객 리뷰 데이터를 추천 알고리즘 중 전통적인 협업필터링과 LDA 속성 추출과 감성분석을 결합한 속성기반 오피니언 마이닝(ABOM : Aspect-Based Opinion Mining) 기법을 결합하여 온라인 고객의 앱 평점(APP_Score) 대한 정확도를 예측하였다.
실험 결과 전통적인 협업필터링을 구현한 평점의 정확도 보다 속성기반 오피니언 마이닝 CF를 적용한 평점의 예측 정확도가 더 우수한 것으로 나타났다.
목차
그림 목차 ⅰ표 목차 ⅱ국문 요약 ⅲⅠ. 서론 1Ⅱ. 이론적 배경 32.1. 추천 시스템 32.2. 오피니언 마이닝 72.3. 토픽모델링 82.4. ABOM 10Ⅲ. 제안 알고리즘 113.1. 데이터 수집 113.2. 텍스트 마이닝을 이용한 속성 추출 133.3. 감성분석 & CF 143.4. ABOM 모형 15Ⅳ. 실험설계 및 실증분석 164.1. 데이터 수집 164.2. 실험설계 174.3. 실험결과 19Ⅴ. 결론 25참고문헌 27Abstract 34
최근 본 자료
댓글(0)
0