$\require{mediawiki-texvc}$

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.

신경망 협업 필터링을 이용한 운동 추천시스템
Exercise Recommendation System Using Deep Neural Collaborative Filtering 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.22 no.6, 2022년, pp.173 - 178  

정우용 (광운대학교 전자융합공학과) ,  경찬욱 (광운대학교 전자융합공학과) ,  이승우 (광운대학교 전자융합공학과) ,  김수현 (광운대학교 전자융합공학과) ,  선영규 (광운대학교 전자융합공학과) ,  김진영 (광운대학교 전자융합공학과)

초록
AI-Helper 아이콘AI-Helper

최근, 소셜 네트워크 서비스에서 딥러닝을 활용한 추천시스템이 활발하게 연구되고 있다. 하지만 딥러닝을 이용한 추천시스템의 경우 콜드스타트 문제와 복잡한 연산으로 인해 늘어난 학습시간이 단점으로 존재한다. 본 논문에서는 사용자의 메타데이터를 활용하여 사용자 맞춤형 운동 루틴 추천 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 메타데이터(사용자의 키, 몸무게, 성, 등)를 입력받아 설계된 모델에 적용한다. 본 논문에서 제안한 운동 추천시스템 모델은 matrix factorization 알고리즘과 multi-layer perceptron을 활용한 neural collaborative filtering(NCF) 알고리즘을 기반으로 설계된다. 제안된 모델은 사용자 메타데이터와 운동 정보를 입력받아 학습을 진행한다. 학습이 완료된 모델은 특정 운동이 입력되면 사용자에게 추천도를 제공한다. 실험 결과에서 제안하는 운동 추천시스템 모델이 기존 NCF 모델보다 10% 추천 성능 향상과 50% 학습 시간 단축을 보였다.

Abstract AI-Helper 아이콘AI-Helper

Recently, a recommendation system using deep learning in social network services has been actively studied. However, in the case of a recommendation system using deep learning, the cold start problem and the increased learning time due to the complex computation exist as the disadvantage. In this pa...

주제어

표/그림 (6)

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 사용자의 메타데이터를 이용하여 사용자에게 적합한 운동 루틴을 추천하기 위한 신경망 협업 필터링 모델을 제안한다. 사용자 id를 임베딩하여 연산하는 것이 아니라 사용자로부터 입력된 데이터 중 선형적인 정보를 가지고 있는 데이터를 임베딩 layer 대신 입력하여 사용자를 구별할 수 있는 정보로 활용한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (9)

  1. KB management research institute. 2020. KB Self-Employment Analysis Report: Fitness Center Status and Market Condition Analysis. no.4 

  2. D. Kim, M. Cho, Y. Park, Y. Yand, "Effect of an exercise program for posture correction on musculoskeletal pain," Journal of Physical Therapy Science, vol. 27, no. 6, pp. 1791-1794, Jun. 2015. DOI : https://doi.org/10.1589/jpts.27.1791 

  3. S. Lee, "The effect of an integrated rating prediction method on performance improvement of collaborative filtering", The Journal of the Institute of Internet, Broadcasting and Communication, vol. 21, no. 5, pp.221-226, Oct. 2021. DOI : https://doi.org/10.7236/JIIBC.2021.21.5.221 

  4. J. Kim,, R. Bell, C. Volinsky, "Matrix factorization techniques for recommender systems," IEEE, Computer Journal, vol. 42, pp. 30-37, Aug. 2009. DOI : https://doi.org/10.1109/MC.2009.263 

  5. J. Kim, R. Monteiro, H.Park, "Group Sparsity in Nonnegative Matrix Factorization," Proceedings of the 2012 SIAM International Conference on Data Mining, pp. 851-862, Apr. 2012. DOI : https://doi.org/10.1137/1.9781611972825.73 

  6. S. Zhang, L. Yao, A. Sun, Y. Tay, "Deep Learning based Recommender System: A Survey and New Perspectives," ACM Computing Surveys, vol. 52, no. 1, pp 1-38, Jan. 2020. DOI : https://doi.org/10.1145/3285029 

  7. X. He, L. Liao, H. Zhang, L. Nie, X. Hu, T. S. Chua, "Neural Collaborative Filtering," WWW '17: Proceedings of the 26th International Conference on World Wide Web, pp. 173-182, Apr. 2017. DOI : https://doi.org/10.1145/3038912.3052569 

  8. Agarap, A. F. "Deep learning using rectified linear units (relu)," arXiv preprint arXiv:1803.08375, 2018. DOI : https://doi.org/10.48550/arXiv.1803.08375 

  9. S. Hochreiter, "The vanishing gradient problem during learning recurrent neural nets and problem solutions," International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, vol. 6, no. 2, pp107-116, Apr. 1998. DOI : https://doi.org/10.1142/S0218488598000094 

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

이 논문과 함께 이용한 콘텐츠

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