최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국방송공학회 2012년도 하계학술대회, 2012 July 05, 2012년, pp.55 - 58
신사임 (전자부품연구원 디지털미디어 연구센터) , 양창모 (전자부품연구원 디지털미디어 연구센터) , 장세진 (전자부품연구원 디지털미디어 연구센터) , 이석필 (전자부품연구원 디지털미디어 연구센터)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
콘텐츠 추천 알고리즘이란 무엇인가? | 콘텐츠 추천 알고리즘은 사용자의 콘텐츠 소비 성향을 파악하여 사용자 별로 선호할 만한 콘텐츠들을 예측하는 알고리즘이다. 사용자의 콘텐츠 소비 성향을 파악하는 기존의 대표적인 방법으로는 각 사용자의 콘텐츠 관련 히스토리 (usage history)를 분석하여 이를 통한 사용자 선호 정보 (user preferences)를 파악하는 로그 기반의 콘텐츠 추천 방식이다. | |
기존의 콘텐츠 추천 방식은 어떠한 특징과 문제점이 있는가? | 기존의 콘텐츠 추천 방식은 사용자 별 콘텐츠 소비 히스토리를 분석하여, 각 사용자들의 기록 분석 결과를 바탕으로 콘텐츠 기반의 추천을 수행한다. 이 방법은 활용하는 데이터의 성격이 단순하고 제한적이어서 데이터 희귀문제가 자주 발생한다. 많은 사용자 로그가 기록된 사용자들은 정확한 분석을 통하여 만족도 높은 콘텐츠 추천을 받을 수 있지만, 사용 빈도가 적은 사용자들의 경우 분석에 활용할 데이터가 부족하여 추천 결과의 양과 충실도가 떨어지게 되고, 결국 이같은 사용자들은 추천 결과의 마족도 저하로 해당 서비스의 이용 빈도가 더 줄어들게 되는 지속적인 악순환이 반복되는 것이다. | |
사용자의 콘텐츠 소비 성향을 파악하는 기존의 대표적인 방법으로는 무엇이 있는가? | 콘텐츠 추천 알고리즘은 사용자의 콘텐츠 소비 성향을 파악하여 사용자 별로 선호할 만한 콘텐츠들을 예측하는 알고리즘이다. 사용자의 콘텐츠 소비 성향을 파악하는 기존의 대표적인 방법으로는 각 사용자의 콘텐츠 관련 히스토리 (usage history)를 분석하여 이를 통한 사용자 선호 정보 (user preferences)를 파악하는 로그 기반의 콘텐츠 추천 방식이다. 이 방식에서 드러나는 데이터 희귀 문제 (data sparseness problems)는 통계적 처리에 적합하지 않은 양의 데이터를 통계적으로 처리하여 학습 및 예측을 함으로써 소수의 잘못된 선택이 전혀 다른 예측 결과를 만들어 낸다거나, 실제로 의미 있는 결과가 통계 기반 데이터에 의해 무시되어 예측에 반영되지 못하는 현상을 보인다. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.