초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

추천 시스템은 사용자가 다양한 옵션 중에서 최선의 선택을 할 수 있도록 도와준다. 하지만 추천 시스템을 구축할 때 몇 가지 장애물이 있다. 그 장애물 중 사용자의 선호가 시간에 따라 변화한다는 것과 추천 시스템을 통해 왜 해당 아이템이 추천되었는지 사용자가 알 수 없다는 점이 있다. 이 논문에서는, 본 연구물은 리뷰 데이터의 토픽 모델링을 사용하는 추천 시스템을 제안하기 위해 개발되었다. 추천 시스템은 사용자가 다양한 옵션 중에서 최선의 선택을 할 수 있도록 도와준다. 하지만 추천 시스템을 구축할 때 몇 가지 장애물이 있다. 그 장애물 중 사용자의 선호가 시간에 따라 변화한다는 것과 추천 시스템을 통해 왜 해당 아이템이 추천되었는지 사용자가 알 수 없다는 점이 있다. 이 논문에서는, 본 연구물은 리뷰 데이터의 토픽 모델링을 사용하는 추천 시스템을 제안하기 위해 개발되었다. 토픽 모델링 방법에 의해 생성된 주제를 통해, 주제들의 잠재되어 있는 중심 내용과 주제들의 순차적 규칙을 생성하였다. 본 연구물을 통하여 사용자의 선호가 변화하는 것에 발 맞추어 주제를 추천 할 수 있으며, 추천된 주제가 왜 추천되었는지 사용자가 이해할 수 있다. 이 실험들은 제안된 모델이 일반적인 협업 필터링 기법보다 더 높은 품질의 추천을 제공하며 사용자에게 설명 가능한 권고 결과를 제공한다는 것을 보여준다. 제안된 모델의 몇 가지 기여와 한계점을 통하여 본 연구물의 한계를 극복하고 모델의 정확성을 높일 수 있는 추천 시스템을 만들 수 있기를 바란다.

Abstract ▼ AI-Helper

Recommender systems help users find the best choice among the numerous options. There are some obstacles when building the recommender systems. Of the obstacles, I established a system to overcome the obstacles of change of the user preference and unexplainable recommendation results. In this paper,...

Recommender systems help users find the best choice among the numerous options. There are some obstacles when building the recommender systems. Of the obstacles, I established a system to overcome the obstacles of change of the user preference and unexplainable recommendation results. In this paper, I proposed a recommender system using topic-modeling of the review text. Through the generated topics by the topic-modeling method, I found the latent themes of the topics and generated the sequential rules of the topics. The experiments demonstrate that the proposed model provides higher quality of recommendation than typical collaborative filtering techniques, and also explainable recommendation results to users.

주제어