최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국인터넷방송통신학회 논문지 = The journal of the Institute of Internet Broadcasting and Communication, v.10 no.3, 2010년, pp.51 - 59
There have been proposed several movie recommendation algorithms based on Collaborative Filtering(CF). CF decides neighbors whose ratings are the most similar to each other and it predicts how well users will like new movies, based on ratings from neighbors. This paper proposes a new method to impro...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
한 해에 나오는 디지털 콘텐츠의 양은 어느정도인가? | 최근에 영화, 뮤직, 비디오, 스포츠, 드라마, 다큐멘트리 등 TV 디지털 콘텐츠가 매우 다양하며 한 해 무려 31,000,000 시간에 해당하는 디지털 콘텐츠가 쏟아져 나오고 있다. 이렇게 엄청한 양의 디지털 콘텐츠로부터 사용자는 자신이 보고자 하는 프로그램을 찾느라고 많은 시간을 낭비하게 된다. | |
Collaborative Filtering 이외에 또다른 방식은 어떤 것이 있고, 특징으로는 어떤 것이 있나? | 대표적인 추천 기법은 Collaborative Filtering(CF)으로서 여러 사람들이 매긴 상품에 대한 점수를 기반으로 동일한 선호도를 가진 사람들인 이웃(neighbor)을 발견하고, 추천 받고자 하는 상품에 대한 이웃들의 평가 점수를 기반으로 추천 점수를 계산하는 방법이다. 또 다른 방법은 Content-based Filtering으로서 상품의 콘텐츠를 기반으로 사람들이 관심 있어 하는 콘텐츠 특성과 상품의 콘텐트 특성을 표현한 문서 내용을 비교하여 상품을 추천하는 방식이다. 이 방식은 모든 상품에 대해 콘텐츠 설명이 있어야만 추천이 가능하므로 CF에 비해 많이 사용되지는 않는다[3,4]. | |
CF는 어떤 방법인가? | Collaborative Filtering(CF) 기법에 기반을 둔 다양한 영화 추천 방법들이 제안 되어 왔다. CF는 영화를 본 사람들이 직접 영화에 대해 평가한 점수를 기반으로 같은 성향을 가진 이웃 그룹을 결정하고, 새로운 영화에 대해 그 영화를 이미 본 이웃의 점수를 기반으로 사용자의 새로운 영화에 대한 선호도 값을 예측하는 방법이다. 본 논문에서는 사용자에 따라 영화 장르에 대한 선호도 정보를 CF의 예측 값에 반영하는 새로운 방법을 제안한다. |
Resnick, P., Iacovou, N., Suchak, M., Bergstrom, P., and Rie, J., "GroupLens: An Open Architecture for Collaborative Filtering of Netnews," Proceedings of ACM CSCW94 Conference on Computer Supported Cooperative Work, 1994.
Kostan J., Miller B., Maltz D., Herlocker J., Gordon L., Riedl J., "GroupLens: Applying Collaborative Filtering to Usenet News" Communications of the ACM, Vol. 40, No. 3, pp. 77-87, 1997
Marco Balabanovic and Yoav Shoham, "Fab: Content-based collaborative recommendation", Communications of the ACM, Vol, 40, No, 3, pp.66-72, 1997
Good N.,Schafer J. B., Kostan J., Borchers A., Sarwar B., Herlocker J., and Riedl J., "Combining Collaborative Filtering with Personal Agents for Better Recommendations", Conf. on the American Association of Artificial Intelligence. pp. 439-446, 1999.
Will Hill, Larry Stead, Mark Rosenstein, and George Furnas, "Recommending and evaluating choices in a virtual community of use". Proc. of ACM CHI'95 Conf. in Human Factors in Computing Systems, pp. 195-201, 1995.
Herlocker J., Konstan J., Borchers A., Riedl J., "An Algorithm Framework for Performing Collaborative Filtering", Proc. of ACM SIGIR'99, ACM Press, 1999
Jin Won Park, Min Cheul Shin, Sang Min Choi, Kitae Hwang, "Analysis for Genre-based Movie Recommendation", Journal of Engineering Research, Hansung University, 2009
J. Ben Schafer, Joseph Konstan, Jhon Riedl, "Recommender Systems in E-Commerce," GroupLens Research Project Department of Computer Science and Engineering University of Minnesota, 1999.
J. Ben Schaferm Joseph A. Konstan, John Riedl, "E-Commerce Recommendation Applications", Journal of Data Mining and Knowledge Discovery, Vol. 5, No, 1/2, pp.115-152, 2000
Badrul Sarwar, George Karypis, Joseph Konstan, and John Rie, "Analysis of Recommendation Algorithms for E-Commerce," The ACM E-Commerce 2000 Conference, 2000.
Badrul Sarwar, George Karypis, Joseph Konstan, and John Rie, "Item-based Collaborative Filtering Recommendation Algorithms," Accepted for publication at the WWW10 Conference, May, 2001.
Ling. K., Beenen G., Ludford P., Wang X., Chang K., Li X., Cosley D., Frankowski D., Terveen L., Rashid A. M., Resnick P., Kraut R. "Using Social Psychology to Motivate Contributions to Online Communities", Journal of Computer-Mediated Communication, Vol. 10, No. 4, 2005
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.