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.
가설 설정
- 협업에 의한 필터링에 있어서 평가값의 예측은 해당 사용자와 선호도가 유사한 사용자들에의해 의존적이기 때문에 정확한유사 선호 사용자 그룹을 찾는 것이 중요하다. 따라서본 논문은 영화에 대한 컨텐츠(description)가 실제 영화에 대한 사용자의 평가와 차이가 크기 때문에 영화 컨텐츠에 의해 유사 사용자를 찾는 방법이 평가수가 적더라도 적은 평가를 바탕으로 한 유사 사용자를 찾는 방법보다 오히려 잘못된 유사 선호 그룹을 찾을 가능성이 높을 것이라는 가정을 한다. 이에 따라 본 논문의 데이터 부족 문제는 프로파일 매트릭스의 SVD 적용에 따른 차원 축약 방법을 사용하며 유사 선호 그룹 내의 어느 사용자도 평가하지 않은 아이템들에 대한 문제는(Cold-Start Problem) 내용기반 필터에 의한 유사한 컨텐츠의 영화 평가값을 사용한다.
- 본 논문은 영화의, 장르, 에 따라, 줄거리, 에 둥장하는 키워드들의 빈도수가 다르다고 가정하고 이에 따라, 장르, 별, 줄거리, 에 등장하는 키워드들의 발생 확률을 종속적으로 고려한다
- 따라서 두 사용자 간에 공통으로 평가한 아이템이 없으면 두 사용자의 선호 경향이 유사한지 판별할 수 없게 된다. 이와 같은 데이터 부족문제를 해결하기 위해 [2]는 기존에 평가한 영화와 유사한 내용의 영화는 사용자가 유사하게 평가할 것이라는 가정을 한다. 이에 따라 평가하지 않은 아이템들의 평가값을 내용기반 필터로 미리 예측함으로써 예측된 평가값과 실제 사용자가 평가한 값들로부터 두 사용자의 유사 선호 경향을 분석한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.