최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 서강대학교 Sogang University |
---|---|
연구책임자 | 양지훈 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2011-06 |
과제시작연도 | 2010 |
주관부처 | 교육과학기술부 |
과제관리전문기관 | 한국연구재단 National Research Foundation of Korea |
등록번호 | TRKO201200002804 |
과제고유번호 | 1345123927 |
사업명 | 일반연구자지원 |
DB 구축일자 | 2013-05-20 |
키워드 | 추천 시스템.협력적 여과.마르코프 의사결정 프로세스.앙상블 학습.추천 시스템 라이브러리.Recommender System.Collaborative Filtering.Markov Decision Process.Ensemble Learning.Recommender System Library. |
추천 시스템은 연구수행 측면에서나 산업적으로 엄청난 부가 가치를 지난 분야이다. 하지만 기존의 추천 시스템은 희소성(Sparsity), 확장성(Scalability) 문제 등의 고질적인 단점들이 있다. 우리는 이러한 단점들을 해결하고 보다 정확도가 높은 추천 시스템을 개발하기 위해서 최근 각광받고 있으나 아직 국내외의 추천 시스템에 도입되지 못한 다양한 기법들, 특히 행렬기반 알고리즘 및 그래프기반의 알고리즘들을 앙상블 할 것이다. 또한 마르코프 의사결정 프로세스 (Markov Decision Process, MDP) 기반의 앙상블
Recommender Systems can add huge value in both academic and industrial aspects. However, most of existing systems have problems of sparsity and scalability. To overcome such problems, we will try to harmonize various techniques in the lime lights, yet not introduced in the community, especially matr
※ AI-Helper는 부적절한 답변을 할 수 있습니다.