최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기주관연구기관 | 동아대학교 Donga University |
---|---|
연구책임자 | 한정규 |
보고서유형 | 최종보고서 |
발행국가 | 대한민국 |
언어 | 한국어 |
발행년월 | 2023-03 |
과제시작연도 | 2022 |
주관부처 | 과학기술정보통신부 Ministry of Science and ICT |
과제관리전문기관 | 한국연구재단 National Research Foundation of Korea |
등록번호 | TRKO202300008842 |
과제고유번호 | 1711161589 |
사업명 | 개인기초연구(과기정통부) |
DB 구축일자 | 2023-09-27 |
키워드 | 추천시스템.콜드스타트.콜드아이템.메타학습.Recommender system.Cold-Start.Cold-Item.Meta-learning. |
□ 연구개요
본 연구는 개인화된 추천 시스템에서, 아이템 등록 시점부터 수집할 수 있는 사용자-아이템 상호작용 데이터를 최소한만 사용하여 해당 아이템을 선호할 만한 사용자에게 기존 방식 대비 더 정확하게 추천하는 추천 시스템을 구현하기 위한 세부 기술(메타 학습 등)을 연구하였다.
□ 연구 목표대비 연구결과
본 연구 결과 사용자-아이템 상호작용이 적은 아이템(콜드 아이템)에 대해 기존 방식 대비 더 정확한 추천이 가능한 방식을 제안, 콜드 아이템에 대한 상호작용 정보를 효율적으로 수집할 수 있는 노출 대상 선
※ AI-Helper는 부적절한 답변을 할 수 있습니다.