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
- 현재 만든 딥러닝 모델은 평균적인 정확도가 60%를 넘는다. 더 많은 데이터와 딥러닝 모델에 대한 개발을 통해 80% 예측 모델을 만드는 것이 향후 목표 방향성이다.
- 본 연구에서 제안하는 방법은 딥러닝 알고리즘이 어떻게 순위 알고리즘의 한계를 보완해 줄 수 있는지에 대해 실험하고자 한다. 다음은 딥러닝 알고리즘이 순위 알고리즘의 추천방 식보다 높은 정확도를 가질 수 있는 특정 상황들을 가정한 것이다.
- 본 연구의 목적은 기존의 앱에서 제공하는 추천 알고리즘의 성능을 딥러닝 알고리즘으로 보완하여 성능을 높이는 방식을 추구하였다. 기존 앱의 순위 알고리즘은 현실에 적용하였을때 몇몇 상황에서 사용자로부터 정확도가 낮은 추천을 제공하는 한계가 있었다.
가설 설정
- 다음은 50대의 사용자들이 국밥류(Category: 2)의 음식점을 선호할 것이라는 가정을 기반으로 실험한 데이터와 결과물이다. 50대(user_Age: 50)의 연령대의 남성 사용자들은 국밥류의음식점을 선호할 것이라는 가정으로 실험해보았다.
- 본 연구에서 제안하는 방법은 딥러닝 알고리즘이 어떻게 순위 알고리즘의 한계를 보완해 줄 수 있는지에 대해 실험하고자 한다. 다음은 딥러닝 알고리즘이 순위 알고리즘의 추천방 식보다 높은 정확도를 가질 수 있는 특정 상황들을 가정한 것이다.
- 대부분의 사람들은 비 오는 날 면류 음식점에 가기를 원하는 경향이 있는데, 눈치코칭 앱을 사용하는 사용자 A가 비가 오는 날 면류 음식점을 추천받기를 원하는 상황을 가정한다. 사용자 A는 해당 음식점을 추천받고자 면류 음식점 리스트에 좋아요 버튼을 누르고 나만의 맛집 탭에서 추천하는 음식점을 확인하는 것을 반복한다.
- 다음은 여성 사용자들이 서양식(Category: 16)을 좋아할 것이라는 가정을 기반으로 실험한 데이터와 결과물이다. 여성 (user_Sex: 0)성별의 사용자들은 서양식을 선호하는 경향을가질 것이라는 가정으로 실험해보았다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.