최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국융합학회논문지 = Journal of the Korea Convergence Society, v.10 no.11, 2019년, pp.159 - 164
Recent developments in ICT technology have increased interest in the care and health of pets such as dogs and cats. In this paper, cluster analysis was performed based on the component data of pet food to be used in various fields of the pet industry. For cluster analysis, the similarity was analyze...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
본 연구에서 반려동물 산업이 다영한 분야에 활용 될 수 있도록 무엇을 하였는가? | ICT 기술 발전으로 강아지와 고양이등 반려동물 돌보기와 건강에 대한 관심도가 높아지고 있다. 본 논문에서는 반려동물 산업의 다양한 분야에 활용될 수 있도록 반려동물 사료의 성분 데이터를 기반으로 군집분석을 수행하고 적합한 서비스에 대해 고찰한다. 군집분석을 위해 시중에서 유통되고 있는 300여 개의 강아지 및 고양이 펫푸드를 대상으로 성분별 상관관계를 분석하여 유사성을 측정하며, Hierarchical, K-Means, Partitioning around medoids(PAM), Density-based, Mean-Shift 등의 다양한 클러스터링 기법을 활용하여 군집화 하여 분석한다. | |
아이템을 기반으로 한 협업 필터링은 무엇인가? | 크게 사용자와 아이템 기반과 협업 필터링으로 구분하는데 사용자 기반협업 필터링(User-based CF) 은 사용자 간에 본인이 원하는 유사도를 분석해 추천하는 방식으로 아이템에 대한 분석이 불필요하다는 장점이 있지만 사용자가 늘어날수록 계산량이 급격하게 증가하거나 신규 사용자에 대한 추천 정확도가 떨어진다는 단점이 있다. 아이템을 기반으로 한 협업 필터링은 아이템의 유사도를 측정하여 특정 아이템을 구매한 사용자에게 그와 유사한 아이템을 추천해 주는 방식이다. 신규 이용자가 아이템에 대한 개인적인 평가를 가지고 있지 않은 경우 신규 사용자에게 정확한 추천이 가능한 장점이 있는 반면 초기 적은 데이터양일 때 추천 정확도가 떨어지는 단점이 있다[4,5]. | |
제안된 적합한 유사성 측정 방법이 향후에 필요한 것은 무엇인가? | 위에서 분석한 사료 데이터의 특성을 기반으로 이에 적합한 유사성 측정 방법을 제안했다. 특히 향 후 연구할 부분으로는 추천시스템의 군집 정확도를 높이기 위해서 기존 주요 영양소 정보와 더불어 원재료 데이터를 추가적으로 분석할 필요성이 있다. 또한, 사용자의 구매정보와 반려동물의 사료 하루 섭취량을 병합하여 분석한다면 반려동물의 헬스케어스 시스템, 추천시스템 등에 고도화된 서비스가 가능할 것이다. |
B. Sarwar, G. Karypis, J. Konstan & J. Riedl. (2000). Analysis of Recommendation Algorithms for ECommerce. Proc. of ACM EC '00 conference, 158-167.
G. Adomavicius & A. Tuzhilin. (2005). Towards the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions. IEEE Trans. on Knowledge and Data Engineering, 17(6), 734-749.
J. S. Kim. (2016). Subway Congestion Prediction and Recommendation System using Big Data Analysis. Journal of digital Convergence, 14(11), 289-295. DOI : 10.14400/JDC.2016.14.11.289
J. Horey, E. Begoli, R. Gunasekaran, S. Lim & J. Nutaro. (2012). Big Data Platforms as a Service: Challenges and Approach, USENIX Workshop on Hot Topics in Cloud Computing (HotCloud).
B. Cabral, R. D. Beltro & M. G. Manzato. (2014). Combining Multiple Metadata Types in Movies Recommendation Using Ensemble Algorithms, In Proceedings of the 20th Brazilian Symposium on Multimedia and the Web (pp. 231-238).
E. W. T. Ngai, Y. Hu, Y. H. Wong, Y. Chen & X. Sun. (2010). The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literature. Decision Support Systems 50, 559-569.
The R. C. Team. (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing. The R Foundation [Online]. https://www.R-project.org/
J. T. Oh & S. Y. Lee. (2019). A Music Recommendation System based on Context-awareness using Association Rules. Journal of digital Convergence, 17(9), 375-381. DOI : 10.14400/JDC.2019.17.9.375
J. L. Herlocker, J. A. Konstan, L. G. Terveen & J. Riedl. (2004). Evaluating Collaborative Filtering Recommender Systems, ACM Transactions on Information Systems, 22(1), 5-53.
I. H. Witten, E. Frank & M. A. Hall. (2011). Data Mining: Practical Machine Learning Tools and Techniques, Amsterdam : Elsevier.
M. P. Callao & I. Ruisanchez. (2018) An overview of multivariate qualitative methods for food fraud detection. Food Control, 86, 83-293.
S. H. Namn & K. S. Noh. (2015). A Study on the Effective Approaches to Big Data Planning, Journal of digital Convergence, 13(1), 227-235,
K. S. Noh. (2015). Convergence Analysis of Recognition and Influence on Bigdata in the e-Learning Field, Journal of digital Convergence, 13(10), 51-58. DOI : 10.14400/JDC.2015.13.10.51
H. J. Jung. (2015). The Analysis of Data on the basis of Software Test Data. Journal of digital Convergence, 13(10), 1-7.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.