$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 역 물류 환경 인터넷 경매를 위한 요소 선택응용 추천 시스템
Feature Selection Applied to Recommender Systems for Reverse Logistics Internet Auction 원문보기

산업경영시스템학회지 = Journal of society of korea industrial and systems engineering, v.29 no.1, 2006년, pp.76 - 86  

양재경 (전북대학교 산업정보시스템공학과) ,  유우연 (명지대학교 산업시스템공학부)

초록
AI-Helper 아이콘AI-Helper

다양한 데이터 마이닝 기법들의 발전과 더불어, 속성(Feature 또는 Attribute)의 범위(Dimension)를 줄이기 위해 많은 요소 선택 방법이 개발되었다. 이는 확장성(Scalability)을 향상시킬 수 있고 학습 모델(Learning Model)을 더욱 쉽게 해석할 수 있도록 한다. 이 논문에서는 네스티드 분할(Nested Partition, 이하 NP)을 이용한 새로운 최적화 기반 속성 선택 방법을 NP 기본 구조와 다양한 실험 문제의 수치적 결과들과 함께 제시하여 어떻게 NP의 최적화 구조가 속성 선택 과정에 기여를 하고 있는지 보여준다. 그리고 이 새로운 지능적인 분할 방법이 어떻게 매우 효율적인 분할을 수행하는지를 제시한다. 이 새로운 속성 선택 방법은 필터(Filter)방법과 래퍼(Wrapper)방법 두 가지로 구현될 수 있다. 사례 연구로서, B2B e-비즈니스 시스템에서 효과적으로 사용될 수 있는 추천 시스템(Recommender System)을 제안하였다. 이 추천 시스템은 분류 기법(Classification Rule)과 제시된 NP 기반 요소 선택 방법을 사용하고 있다. 이 추천 시스템은 사용자의 인터넷 경매 참여를 추천하는데 사용되며, 이 때 제안된 요소 선택 앨고리듬은 추천 규칙들이 쉽게 이해될 수 있도록 모델을 간략화 하는데 사용된다.

Keyword

#Feature Selection   #Partition   #Optimization   #Recommendation   #Internet Auction  

참고문헌 (11)

  1. Blake, C.L. and Merz, C.J., 1998, UCI Repository of machine learning databases , University of California, Irvine, CA (Date Accessed: October 31, 2003) 

  2. Bradley, P.S., Mangasarian, O.L., and Street, W.N., 1998, 'Feature selection via mathematical programming', INFORMS Journal on Computing, 10(2), 209-217 

    상세보기 crossref

  3. Hall, M.A., 1998, 'Correlation-based feature selection for discrete and numeric class machine learning', in Proceedings of the Seventeenth International Conference on Machine Learning, Stanford University, CA. Morgan Kaufmann 

  4. Kim, Y.S., Street, W.N, and Menczer, F., 2000, 'Feature selection in unsupervised learning via evolutionary search', in Proceedings of the 6th ACM SIGKDD Int. Conf. on Knowledge Discovery and Data Mining 

  5. Liu, H. and Motoda, H., 1998, Feature Extraction, Construction and Selection: A Data Mining Perspective, Kluwer Academic Publishers 

  6. Narendra, P.M., and Fukunaga, K., 1977, 'A branch and bound algorithm for feature subset selection', IEEE Transactions on Computers, 26(9), 917-922 

    상세보기 crossref

  7. Olafsson, S. and Yang, J., 2005, 'Intelligent partitioning for feature selection', INFORMS Journal on Computing, (in print) 

  8. Ryan, S.M., Min, K.J. and Olafsson, S., 2001, 'Experimental study of scalability enhancements for reverse logistics E-Commerce', in Prabu, Kumara and Kamath (eds.) Scalable Enterprise System An Introduction to Recent Advances 

  9. Shi, L. and Olafsson, S., 2000, 'Nested partitions method for global optimization', Operations Research, 48, 390-407 

    상세보기 crossref

  10. Witten, I. and Frank, E., 2000, 'Data mining: practical machine learning tools and techniques with Java implementations', Morgan Kaufmann 

  11. Yang, J. and Honavar, V., 1998, 'Feature subset selection using a genetic algorithm' In H. Motada and H. Liu (eds), Feature Selection, Construction, and Subset Selection: A Data Mining Perspective, Kluwer, New York 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로