초록 ▼

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

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 앙상블을 통해 전통적 추천 시스템의 고질적인 단점들을 해결한, 보다 범용적이고 효율적으로 적용 가능하며 기존의 시스템 성능을 뛰어넘는 추천 시스템 라이브러리를 개발하는 것이 본 연구의 목표이다.

Abstract ▼

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

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 matrix-based and graph-based algorithms. In this study, we aim to develop a more universally and efficiently applicable recommender system library on MDP-based-ensemble, which is expected to outperform the current systems.

목차 Contents

• 일반연구자지원사업 최종보고서 ... 1
• 목차 ... 3
• I. 연구 계획 요약문 ... 4
• 1. 국문 요약문 ... 4
• II. 연구 결과 요약문 ... 5
• 1. 한글요약문 ... 5
• 2. SUMMARY ... 6
• III. 연구내용 및 결과 ... 7
• 1. 연구개발과제의 개요 ... 7
• 2. 국내외 기술개발 현황 ... 8
• 3. 연구수행 내용 및 결과 ... 10
• 4. 목표 달성도 및 관련 분야에의 기여도 ... 38
• 5. 연구결과의 활용계획 ... 39
• 6. 연구과정에서 수집한 해외과학기술정보 ... 40
• 7. 주관연구책임자(공동연구원) 대표적 연구 실적 ... 40
• 8. 참고 문헌 ... 41
• 9. 연구 성과 ... 42
• 10. 기타사항(중요 연구 변경사항 등) ... 43
• [별첨1] 대표연구성과 ... 44
• 자체평가 의견서 ... 49