선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 초기 사용자 실험에서 학습 데이터 추출은 희소 데이터 실험과 같은 방식으로 데이터를 추출하여 학습하지만 검증 데이터의 경우 초기 사용자 데이터률 만들기 위해서 선호도 입력 횟수가 5회 미만이 될 때까지 선호도룰 임의로 제거한다. 그리고 본 논문에서는 이렇게 생성된 검증 데이터를 초기 사용자에 대한 데이터로 간주하고 실험한다.
- 따라서 몬 논문에서는 인구통계학적 정보보다는 사용자와 항목에 대해 관련성이 높은 정보를 사용하기 위하여 사용자별 선호 및 M호 장르률 추출하여 항목 신경망 추천 모델에 적基한다. 또한 사용자 신경망 추천 모델에 대해서는 항목 빈발 여부 豊 추가정보로 사용한다.
- 본 논문에서는 사용자 및 항목 신경망 추천 모델에 추가정보를 사용하여 추천 성능을 높이는 방법을 제안한다. 0I 방법은 [기에서 제안된 방법이 서로 다른 선호도를 예측하는 두 개의 모델읗 통합하는 모델 융합(model fusion)방법인 것이 비하여, 사용자 흑은 항목에 추가정보 즉 이질적인 데이터를 융합하는 속성 융합(feature f나sion)방법이다.
- 본 논문에서는 신경망 추천 모델에 관련된 추가 정보를 융합함으로써 기존 협력적 추천 기법의 문제점인 회소 데이터 문제와 초기 사용자 문제養 해결하고자 하였다. 신경망 추천 모델에 관련된 추가 정보의 융합은 항목들 간의 가중치나 사용자들 간의 가중치養 학습할 수 있는 신경망 추천 모델의 장점을 그대로 가지며, 또한 자료 유형에 상관없이 처리가 용이한 신경망의 장정옿 이용하면 기존의 내용기반 추천이나 인구통계학적 추천과 협력적 추천을 결합한 형태보다 신경망 추천 모델에 추 가정보馨 융합하는 처리가 용이하다.
- 본 논문에서는 협력적 추천올 위한 신경망 추천 모델에 관련된 추가정보를 융핞하여 추천의 성능을 향상시키는 방헙읕 제안한다. 추가 정보로는 내룡기반 추천에서 사용하는 항목에 대한 내용 정보나, 인구통계학적 추천에서 사용하는 인구통계학 적 정보養 사용하고 n 외적인 관련성 있는 정보로써 사용자별 선호 및 熒호 장르와 항목의 빈발 여부柔 추출하여 사용한다.
- 추가 정보로는 내룡기반 추천에서 사용하는 항목에 대한 내용 정보나, 인구통계학적 추천에서 사용하는 인구통계학 적 정보養 사용하고 n 외적인 관련성 있는 정보로써 사용자별 선호 및 熒호 장르와 항목의 빈발 여부柔 추출하여 사용한다. 이혛게 관련된 추가 정보蠢 신경망 입력충에서 융합함으로써 초기 사용자에 태한 추천을 제공하고, 회소한 데이터에 대해 추천의 정확성彖 높이고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.