최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정보처리학회 2017년도 추계학술발표대회, 2017 Nov. 01, 2017년, pp.660 - 663
주종민 (전남대학교 전자컴퓨터공학대학원) , 양형정 (전남대학교 전자컴퓨터공학부) , 김남훈 (전남대학교 전자컴퓨터공학대학원) , 박성현 (전남대학교 전자컴퓨터공학부) , 이건우 (전남대학교 전자컴퓨터공학대학원)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
협업필터링의 장점은? | 협업 필터링은 특정 사용자와 비슷한 특성을 가진 사용자들의 선호 목록을 기반으로 아이템을 추천해주는 방식이며 추천 시스템 중 가장 많이 사용되는 기법 중 하나이다. 기존 추천 시스템들이 아이템의 연관성만을 고려해 아이템의 특성을 기술하는데 한계가 있지만 협업필터링은 이러한 기술적 한계를 극복하는 장점이 있다[1]. | |
협업 필터링의 단점은? | 협업 필터링의 두 가지 유형인 유저 기반 또는 아이템 기반 모두 유사 목록을 찾아내고 사용자에게 이를 기반으로 아이템을 추천해준다. 따라서 정확한 추천을 위해서는 사용자간의 유사성을 측정하고, 아이템 사이의 유사성을 측정하여 추천에 이용할 수 있도록 매우 많은 양의 정보가 필요하다는 단점이 있다[2]. | |
협업 필터링이란? | 협업 필터링은 특정 사용자와 비슷한 특성을 가진 사용자들의 선호 목록을 기반으로 아이템을 추천해주는 방식이며 추천 시스템 중 가장 많이 사용되는 기법 중 하나이다. 기존 추천 시스템들이 아이템의 연관성만을 고려해 아이템의 특성을 기술하는데 한계가 있지만 협업필터링은 이러한 기술적 한계를 극복하는 장점이 있다[1]. |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.