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
- 않는다는 문제점을 가지고 있다. 따라서 본 논문에서는 속성정보에 대한 연관 사용자의 선호도룔 협력적 필터링에 반영함으로 樹 추천의 정확도를 높이고자 한다.
- 본 논문에서는 ARHP 알고리즘에 의한 연관 사용자 군집어I 서 사용자야 속성정보를 추출한다. 여기에 협력적 핆터링에서연관 사용자를 선택하기 위하여 성별과 나5에 의한 속 성정 보률 사용한다.
- 이러한 방법듫은 대부분 데이터의 차원 수가 상대적으로 적을 때 호과적인 군집올 할 수 있다. 본 논문에서는 협력적푤터링의 {연관 사용자-아이템} 행렬에서 사용자들 간의 연관 관계를 유지하면서 차원 수룲 감소시키기 위해 ARHP 알고리즘(3)올 이용하여 연관 사용자 군집을 한다.
- 클수록 분류가 우수함욜 의미한다. 본 실험에서는 사용자의 수에 따라 그룹별로 F-measure의 분畀 결과를 분섞해 보았다. 속성정보률 이용한 연관 사용쟈 군집은 AUG-AI, Nearest Neighbor Modele NNM, K-Means 군집 방법은 K-MC으로 표기하였다.
- 이는 전체 선호도 정보들을 모두 사용하여 유사도 가중치養 구하는 것이므로 속성정보의 값에 대해 사용자가 차별적인 선호도養 가지는 경우 이養 제대로 반영하지 못하는 단점이 있다. 이를 보완하기 위해서 본 논문에서 속성정보를 이용한 연관 사용자 군집을 체안하였다. 속성정보에 대한 사용자의 선호도를 고려하지 않은 이러한 문제점욜 개선하기 위하여 연관 사용자 군집을 사용하고 그 속성에 대한 연관사용자의 선호도晝 협력적 필터링에 반영하였다.
- 효율적인 협력적 필터링을 수행하기 위해서 속성정보를 중심으로 특정 사용자와 유사한 선호도를 가지는 연관 사용자륾 찾아내는 것이다. 기존의 사용자 선정에 사용된 방법들은 정보에 대한 선호도의 정도만을 반영하여 사용자의 수를 결정하는데 사용하였다.
가설 설정
- 여기에 협력적 핆터링에서연관 사용자를 선택하기 위하여 성별과 나5에 의한 속 성정 보률 사용한다. 연관 사용자 군집은 같은 성혈 또는 같은 나 이룰 가진 사람들이 각각익 아이템에 대해서 유사한 선호도를 가친다고 가정한다. 성멸과 나이를 연관 사용자 군집에 적其한 이유는 남성과 여성간의 성별 차이와 세대차를 통해서 추천의 정확도를 높이기 위함이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.