데이터베이스 연구회지(SIGDB)
Current Result Document : 8 / 8
| 한글제목(Korean Title) |
사물인터넷 환경에서 데이터 희박성을 고려한 유사도 측정 방법 |
| 영문제목(English Title) |
A Similarity Measurement Method Considering Data Sparsity in IoT Environment |
| 저자(Author) |
정수연
Soo-Yeon Jeong
손진혁
Jin-Hyeok Son
김영국
Young-Kuk Kim
|
| 원문수록처(Citation) |
VOL 35 NO. 03 PP. 0109 ~ 0118 (2019. 12) |
한글내용
(Korean Abstract) |
상황인지 추천시스템은 사용자가 평가한 점수나 구매이력을 통해 추천하는 기존의 방법에서 사용자의 상황을 고려한 추천방법이다. 사물인터넷이 보편화되면서 상황인지 추천시스템이 주목받고 있다. 하지만 추천시스템은 데이터가 적은 사용자에게 추천하기가 어려운 문제점이 있다. 또한 기존 추천 방법보다 상황정보를 반영한 추천 방법의 데이터 희소성 문제는 더욱 심각하기 때문에 이를 해결할 수 있는 추천 방법이 필요하다. 본 논문은 공통적으로 평가한 항목의 수를 반영하여 유사도를 측정하며 상황인지 협업필터링을 적용하였다. 실험 결과, 제안하는 방법이 기존의 유사도 측정 방법보다 추천 성능이 개선되었으며, 제안한 방법이 희박한 데이터에서 효과적인 것을 확인할 수 있었다.
|
영문내용
(English Abstract) |
The context-aware recommender system is a recommendation method considering the user's context in the existing method of the recommendation through the evaluation score of the users or the purchase history. As the Internet of Things become widely spread recently, the context-aware recommender system attracts the attention. However, the recommender system has a problem that is difficult to recommend to user with low volume of data. In addition, the sparse data problem of the recommendation method that reflects the context data is more serious than the existing recommendation method. Therefore, a recommendation method that can solve this problem is necessary. In this paper, we measure similarity by reflecting the number of items that are evaluated in common and apply context-aware collaborative filtering. As a result of the experiment, the proposed method is improved the recommendation performance compared with the existing similarity measurement and the proposed method is effective in the sparse data.
|
| 키워드(Keyword) |
사물인터넷
상황인지
추천시스템
협업필터링
유사도
Internet of Things
Context-Aware
Similarity
Recommender System
Collaborative Filtering
|
| 파일첨부 |
PDF 다운로드
|
