선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서 제안하는 장르별 협업필터링 방법은 이러한 문제점들 중에서 희박성과 확장성 문제를 극복하고자 하는 것이다. 장르별 협업필터링 방법에서는 먼저 아이템에 대한 평가치 정보들을 아이템의 상위 카테고리인 장르에 대한 정보로 집적한다.
- 본 연구에서는 영화 데이터를 사용하여 장르별 협업 필터링을 적용한 추천시스템인 GenreWise_CF를 개발하였다. 실험 결과, 본 연구에서 제안한 GenreWise_CF의 장르추천 적중률은 88%로서 매우 높은 적중률을 보였으며, 개별 영화의 추천에 있어서도 전통적인 협업 필터링을 적용하여 개발한 추천시스템인 Basic_CF보다 향상된 성능을 보였다.
- 본 연구에서는 전통적인 협업필터링의 한계점인 희박성과 확장성에 대처하는 방안으로 장르별 협업 필터링을 제안하였다. 장르별 협업 필터링은 아이템을 최종적으로 추천하기 전에 아이템의 상위 카테고리인 장르에 대한 정보를 활용하는 방법이다.
가설 설정
- 모든 평가치는 이미 주어져 있는 상태이다. 구현하는 추천시스템의 성능측정을 위해서 일부 아이템의 평가치를 모른다고 가정하고, 그 아이템의 평가치를 예측한 후에 그것을 원래 주어졌던 평가치와 비교해야 한다. 즉, 각 고객의 1682편의 영화에 대한 평가치들을 무작위로 80%와 20%로 나눈 후에 80%는 알려진 평가치로 사용하고 20%는 모른다고 가정하고 추천시스템이 예측해야 하는 평가치의 대상으로 사용하는 것이다.
- 구현하는 추천시스템의 성능측정을 위해서 일부 아이템의 평가치를 모른다고 가정하고, 그 아이템의 평가치를 예측한 후에 그것을 원래 주어졌던 평가치와 비교해야 한다. 즉, 각 고객의 1682편의 영화에 대한 평가치들을 무작위로 80%와 20%로 나눈 후에 80%는 알려진 평가치로 사용하고 20%는 모른다고 가정하고 추천시스템이 예측해야 하는 평가치의 대상으로 사용하는 것이다. 80% 부분을 ‘Seen’으로, 20%부분을 ‘Unseen’으로 명명한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.