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
- 또한, 학습데이터와, 테스트데이터로 데이터를 분할하여 추천시스템의 신뢰성을 MAE를 통해 측정한다. 그리고 데이터 희박성으로 발생하는 Cold Start 문제를MovieLens에서 제공하는 사용자의 관심 장르를 이용하여 신뢰성을 높여보고자 한다.
- 본 논문에서는 R의 recommenderlab 라이브러리를 이용하여 데이터를 분석하며 데이터 MovieLens에서 배포하는 100,000명 사용자들의 평가 데이터를 이용해 추천 시스템을 개발한다. 또한, 학습데이터와, 테스트데이터로 데이터를 분할하여 추천시스템의 신뢰성을 MAE를 통해 측정한다.
- 본 논문에서는 데이터의 누적으로 인한 수많은 영화 데이터 사이에서 사용자에게 적합한 영화를 추천하기 위해서 Movie Lens의 사용자 Data를 이용해 사용자 기반(User-based) 협업 필터링을 이용해서 최 근접 이웃을 구성하며, 최 근접 이웃의 수 N에 따라 신뢰도가 변경되는 것을 MAE(Mean Absolute Error)로 측정한 후 최적이 되는 N값을 찾아 최 근접 이웃의 영화를 추천하는 R Studio를 이용해 데이터를 분석, 추천하는 시스템을 만들어 보았다. 또한 추천 시스템에서 항상 일어나는 데이터 희박성 문제 중 Cold Start 문제를 해결하기 위해 데이터의 부족시 사용자의 선호 장르를 추가하여 추천 시 더욱 신뢰성이 높아짐을 알 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.