최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국 지능정보시스템학회논문지 = Journal of intelligent information systems, v.13 no.4, 2007년, pp.65 - 78
이재식 (아주대학교 e-비즈니스학부) , 박석두 (유비쿼터스 컨버전스 연구소)
This paper proposes a new method of weighted template matching for machine-printed numeral recognition. The proposed weighted template matching, which emphasizes the feature of a pattern using adaptive Hamming distance on local feature areas, improves the recognition rate while template matching pro...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
개인화 서비스 중에서 추천시스템이란? | 개인화 서비스 중에서 추천시스템(Recommendation System)은 목표고객에게 그가 좋아할 만한 서비스나 아이템을 추천해주는 서비스로서 Amazon이나 CD Now 등 인터넷 쇼핑몰에서 많이 사용되고 있다. 추천시스템은 다양한 기법을 통해 구현될 수 있는데 최근 전자상거래 분야에서 쓰이는 기법 중에서 대표적인 것이 협업 필터링(Collaborative Filtering)이다. | |
협업 필터링은 어떤 기법을 말하는가? | 협업 필터링은 고객들의 프로파일정보를 활용하여 목표고객이 높게 평가할 것으로 예상되는 서비스나 아이템을 추천하는 기법으로 다음과 같은 과정으로 아이템을 추천한다. 먼저, 아이템들에 대한 고객의 평가치를 직간접적으로 수집하여 고객별 프로파일을 생성한다. | |
협업 필터링은 어떤 과정으로 아이템을 추천하는가? | 협업 필터링은 고객들의 프로파일정보를 활용하여 목표고객이 높게 평가할 것으로 예상되는 서비스나 아이템을 추천하는 기법으로 다음과 같은 과정으로 아이템을 추천한다. 먼저, 아이템들에 대한 고객의 평가치를 직간접적으로 수집하여 고객별 프로파일을 생성한다. 생성된 프로파일을 기반으로 목표고객과 유사한 성향을 보이는 고객들로 최근접 이웃을 구성한 후 최근접이웃의 평가치를 이용하여 목표고객이 평가하지 않은 아이템의 평가치를 예측한다. 이렇게 예측된 평가치를 기반으로 목표고객이 높게 평가할 것이라고 예상되는 서비스나 아이템을 추천한다. 기존의 추천시스템의 기법들은 아이템간의 연관성을 파악할 때, 아이템의 속성을 사용하였다. |
※ AI-Helper는 부적절한 답변을 할 수 있습니다.