$\require{mediawiki-texvc}$

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.

크라우드 소싱 기반 딥러닝 선호 학습을 위한 쌍체 비교 셋 생성
Generating Pairwise Comparison Set for Crowed Sourcing based Deep Learning 원문보기

한국산업정보학회논문지 = Journal of the Korea Industrial Information Systems Research, v.27 no.5, 2022년, pp.1 - 11  

유기현 (군산대학교 컴퓨터정보통신공학부) ,  이동기 (군산대학교 컴퓨터정보통신공학부) ,  이창우 (군산대학교 컴퓨터정보통신공학부) ,  남광우 (군산대학교 컴퓨터정보통신공학부)

초록
AI-Helper 아이콘AI-Helper

딥러닝 기술의 발전에 따라 학습을 통해 선호도 랭킹 추정을 하기 위한 다양한 연구 개발이 진행되고 있으며, 웹 검색, 유전자 분류, 추천 시스템, 이미지 검색 등 여러 분야에 걸쳐 이용되고 있다. 딥러닝 기반의 선호도 랭킹을 추정하기 위해 근사(approximation) 알고리즘을 이용하는데, 이 근사 알고리즘에서 적정한 정도의 정확도를 보장할 수 있도록 모든 비교 대상에 k번 이상의 비교셋을 구축하게 되며, 어떻게 비교셋을 구축하느냐가 학습에 영향을 끼치게 된다. 이 논문에서는 크라우드 소싱 기반의 딥러닝 선호도 측정을 위한 쌍체 비교 셋을 생성하는 새로운 알고리즘인 k-disjoint 비교셋 생성 알고리즘과 k-체이닝 비교셋 생성 알고리즘을 제안한다. 특히 k-체이닝 알고리즘은 기존의 원형 생성 알고리즘과 같이 데이터 간의 연결성을 보장하면서도 안정적인 선호도 평가를 지원할 수 있는 랜덤적 성격도 함께 가지고 있음을 실험에서 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

With the development of deep learning technology, various research and development are underway to estimate preference rankings through learning, and it is used in various fields such as web search, gene classification, recommendation system, and image search. Approximation algorithms are used to es...

주제어

#선호도 예측   #쌍체 비교 알고리즘   #k-정규 그래프  

표/그림 (9)

참고문헌 (16)

  1. Burton, M. L. (2003). Too Many Questions? The Uses of Incomplete Cyclic Designs for Paired Comparisons. Field Methods. 15(2), 115-130. 

    상세보기

  2. Chen, X., Bennett, P.N., Collins-Thompson, K. and Horvitz, E. (2013). Pairwise ranking aggregation in a crowdsourced setting. In proceedings of the 6th ACM International Conference on Web Search and Data Mining(WSDM), 193-202. 

  3. Fisher, R. A., & Yates, F. (1953). Statistical tables for biological. Agricultural and Medical Research. Hafner Publishing Company, 26-27. 

  4. Furnkranz, J., & Hullermeier, E. (2003). Pairwise preference learning and ranking. Lecture Notes in Artificial Intelligence (Subseries of Lecture Notes in Computer Science), 2837, 145-156. 

  5. Jeong, Y. & Lee., C. (2021). Indoor autonomous driving through parallel reinforcement learning of virtual and real environments. Journal of the Korea Industrial Information Systems Research, 26(4), 11-18. 

  6. Kim, J. H., & Vu, V. H. (2003). Generating random regular graphs. Proceedings of the thirty-fifth annual ACM symposium on Theory of computing, STOC'03, 213-222. 

  7. Koczkodaj, W. W., & Szybowski, J. (2015). Pairwise comparisons simplified. Applied Mathematics and Computation, 253, 387-394. 

    상세보기

  8. Knuth, D. E. (1969). Seminumerical algorithms. The Art of Computer Programming. Vol. 2. Reading, MA: Addison Wesley. 139-140. 

  9. Lee, K., Nam, K., & Lee, C. (2022). A study on the walkability scores in Jeonju city using multiple regression model. Journal of the Korea Industrial Information Systems Research, 27(4), 1-10. 

  10. Nam, S., Lee, M., Heo, C., & Choi, K. (2020). Cost-effective multi-task crowdsourcing method for knowledge extraction. KIISE Transactions on Computing Practices, 26(11), 507-512. 

    상세보기

  11. Miranda, E., Bourque, P., & Abran, A. (2009). Sizing user stories using paired comparisons. Information and Software Technology, 51(9), 1327-1337. 

    상세보기

  12. Saha, A., Shivanna, R. & Bhattacharyya, C. (2019). How many pairwise preferences do we need to rank a graph consistently?. 33rd AAAI Conference on Artificial Intelligence, AAAI 2019, 4830-4837. 

  13. Sunahase, T., Baba, Y., & Kashima, H. (2017). Pairwise HITS: Quality estimation from pairwise comparisons in creator-evaluator crowdsourcing process. 31st AAAI Conference on Artificial Intelligence, AAAI 2017, Kleinberg, 977-983. 

  14. Whang, S. E., Lofgren, P., & Garcia-Molina, H. (2013). Question selection for crowd entity resolution. Proceedings of the VLDB Endowment, 6(6), 349-360. 

  15. Wormald, N. C. (1999). Models of random regular graphs. London Mathematical Society Lecture Note Series, 239-298. 

  16. Yoo, S. (2019). SPGS: Smart parking space guidance system based on user preferences in a parking lot. Journal of the Korea Industrial Information Systems Research, 24(4), 29-36. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 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