아이템의 카테고리(들)는 아티스트, 영화, 책, 편의점의 제품인지에 관계없이 전문가들에 의해 할당되거나 정해집니다. 그러나 사용자들이 전문가들이 카테고리를 할당하거나 정하는 것처럼 카테고리를 보거나 이해하는 경우가 항상 있는 것은 아닙니다. 이논문에서, 사용자들의 카테고리에 대한 인식은 아이템을 보완하고 아이템의 가장 적합한 카테고리 또는 카테고리들을 예측하기 위해서 조사됩니다. 이 작업은 추천 시스템과 고객 심리와 같은 분야에서 유용합니다. 다수의 확률 모델들은 적용되고 비교되며, 그중 다 변수 ...
아이템의 카테고리(들)는 아티스트, 영화, 책, 편의점의 제품인지에 관계없이 전문가들에 의해 할당되거나 정해집니다. 그러나 사용자들이 전문가들이 카테고리를 할당하거나 정하는 것처럼 카테고리를 보거나 이해하는 경우가 항상 있는 것은 아닙니다. 이논문에서, 사용자들의 카테고리에 대한 인식은 아이템을 보완하고 아이템의 가장 적합한 카테고리 또는 카테고리들을 예측하기 위해서 조사됩니다. 이 작업은 추천 시스템과 고객 심리와 같은 분야에서 유용합니다. 다수의 확률 모델들은 적용되고 비교되며, 그중 다 변수 베르누이, 다항식, 및 범주형 사건 모델들은 추가적으로 조사됩니다. 우리의 제안된 접근법은 다양한 데이터 세트들에서 테스트되었습니다. 첫째, 아이템 등급으로 표현된 사용자들의 인식을 기반으로 하는 영화 장르의 보완은 MovieLens-100k 와 MovieLens-1M 의 데이터 세트들에서 시험되었습니다. 둘째, Last.fm 에서 음악 아티스트들의 데이터 세트는 우리의 접근법의 적용 가능성을 테스트하기 위해서 사용되었습니다. 그러나 카테고리들을 제공하는 MovieLens 와는 다르게 Last.fm 은 사용자가 제공한 테그들만 가능하도록 합니다. 보완된 아티스트들의 프로필의 질을 테스트하기에 앞서 태그들은 여러 그룹으로 그룹화되고 각각의 그룹은 특정 음악 장르를 나타냅니다. 그 후, 특정 아티스트를 듣는 횟수를 기반으로 한 아이템의 장르를 예측하는 제안된 접근법을 테스트할 수 있게 됩니다. 이 논문은 전통적인 아티스트와 영화들의 분류를 확장하는 다음과 같은 기여들을 합니다. 우리는 과거에 아이템을 경험한 사용자들의 인식을 이용하여 평가중인 아이템의 콘텐츠 장르 정보를 예측합니다. 그리고 우리는 사용자들의 태그들을 이용을 아티스트 장르 분류에서 출력 변수의 역할을 수행하도록 합니다.
아이템의 카테고리(들)는 아티스트, 영화, 책, 편의점의 제품인지에 관계없이 전문가들에 의해 할당되거나 정해집니다. 그러나 사용자들이 전문가들이 카테고리를 할당하거나 정하는 것처럼 카테고리를 보거나 이해하는 경우가 항상 있는 것은 아닙니다. 이논문에서, 사용자들의 카테고리에 대한 인식은 아이템을 보완하고 아이템의 가장 적합한 카테고리 또는 카테고리들을 예측하기 위해서 조사됩니다. 이 작업은 추천 시스템과 고객 심리와 같은 분야에서 유용합니다. 다수의 확률 모델들은 적용되고 비교되며, 그중 다 변수 베르누이, 다항식, 및 범주형 사건 모델들은 추가적으로 조사됩니다. 우리의 제안된 접근법은 다양한 데이터 세트들에서 테스트되었습니다. 첫째, 아이템 등급으로 표현된 사용자들의 인식을 기반으로 하는 영화 장르의 보완은 MovieLens-100k 와 MovieLens-1M 의 데이터 세트들에서 시험되었습니다. 둘째, Last.fm 에서 음악 아티스트들의 데이터 세트는 우리의 접근법의 적용 가능성을 테스트하기 위해서 사용되었습니다. 그러나 카테고리들을 제공하는 MovieLens 와는 다르게 Last.fm 은 사용자가 제공한 테그들만 가능하도록 합니다. 보완된 아티스트들의 프로필의 질을 테스트하기에 앞서 태그들은 여러 그룹으로 그룹화되고 각각의 그룹은 특정 음악 장르를 나타냅니다. 그 후, 특정 아티스트를 듣는 횟수를 기반으로 한 아이템의 장르를 예측하는 제안된 접근법을 테스트할 수 있게 됩니다. 이 논문은 전통적인 아티스트와 영화들의 분류를 확장하는 다음과 같은 기여들을 합니다. 우리는 과거에 아이템을 경험한 사용자들의 인식을 이용하여 평가중인 아이템의 콘텐츠 장르 정보를 예측합니다. 그리고 우리는 사용자들의 태그들을 이용을 아티스트 장르 분류에서 출력 변수의 역할을 수행하도록 합니다.
The category(ies) of an item, whether it is an artist, a movie, a book, or a product in the convenience store is assigned or arranged by experts. However, it is not always the case that users see or understand categories as experts do. In this dissertation, the users’ perception of content genre inf...
The category(ies) of an item, whether it is an artist, a movie, a book, or a product in the convenience store is assigned or arranged by experts. However, it is not always the case that users see or understand categories as experts do. In this dissertation, the users’ perception of content genre information is investigated for the purpose of predicting the most suitable genre(s) of an item. This task is valuable in fields such as recommender systems and customer psychology. To that end, some probabilistic models -multivariate Bernoulli event model, multinomial event model and categorical event model were applied and compared. Our proposed approach was tested on multiple datasets. First, we predict the genre(s) of movie based on ratings given by users by using the MovieLens-100k and MovieLens-1M datasets. Second, the dataset of music artists in Last.fm was used to test the applicability of our approach for music domain. However, unlike MovieLens that provides genres information, Last.fm makes only the tags given by users available. In order to test the quality of artists’ genre(s) prediction, tags were clustered into different groups, where each group represents a certain music genre. Thereafter, it was made possible to test the proposed approach of predicting an item's genre based on the number of times users listened to a particular artist. Our contribution in the thesis are twofold. First, we present the prediction of movie`s genre(s) based on users' perception. Second, users' tags were used to play the role of output variables in the artist genre classification technique to address the problem related to music datasets that do not provide any artists genre information.
The category(ies) of an item, whether it is an artist, a movie, a book, or a product in the convenience store is assigned or arranged by experts. However, it is not always the case that users see or understand categories as experts do. In this dissertation, the users’ perception of content genre information is investigated for the purpose of predicting the most suitable genre(s) of an item. This task is valuable in fields such as recommender systems and customer psychology. To that end, some probabilistic models -multivariate Bernoulli event model, multinomial event model and categorical event model were applied and compared. Our proposed approach was tested on multiple datasets. First, we predict the genre(s) of movie based on ratings given by users by using the MovieLens-100k and MovieLens-1M datasets. Second, the dataset of music artists in Last.fm was used to test the applicability of our approach for music domain. However, unlike MovieLens that provides genres information, Last.fm makes only the tags given by users available. In order to test the quality of artists’ genre(s) prediction, tags were clustered into different groups, where each group represents a certain music genre. Thereafter, it was made possible to test the proposed approach of predicting an item's genre based on the number of times users listened to a particular artist. Our contribution in the thesis are twofold. First, we present the prediction of movie`s genre(s) based on users' perception. Second, users' tags were used to play the role of output variables in the artist genre classification technique to address the problem related to music datasets that do not provide any artists genre information.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.