KSC 2018
Current Result Document : 7 / 7
| 한글제목(Korean Title) |
물류 허브 위치 설정 기법 연구잡음 있는 데이터 셋에 대한 깊은 행렬 인수분해 모델 신뢰성 평가 |
| 영문제목(English Title) |
Searching an Optimal Places for Logistic HubsReliability Evaluation of Deep Matrix Factorization Model for Noisy Data Sets |
| 저자(Author) |
조우준
권동섭
Woojun Jo
Dongseop Kwon
|
| 원문수록처(Citation) |
VOL 45 NO. 02 PP. 1906 ~ 1908 (2018. 12) |
한글내용
(Korean Abstract) |
추천 시스템은 최근 유튜브의 동영상 추천, 넷플릭스의 영화 추천, 아마존 음악 추천 등 많은 분야에서 사용되고 있는 기술이다. 특히 최근에는 머신 러닝을 반영한 추천 시스템이 다수 등장하고 있다. 하지만 많은 사람들이 정성을 들여 상품을 평가하지는 않는다. 따라서 추천 시스템의 규모가 커지고 사용하는 분야가 다양해질수록 학습을 위한 데이터를 전 처리하는 비용은 크게 증가한다. 본 논문은 협업 필터링(Collaborative Filtering) 기법 중 하나인 행렬 인수분해(Matrix Factorization)에 머신 러닝이 적용 된 Deep Matrix Factorization(DMF) 모델을 대상으로 잡음이 있는 데이터 셋이 정확성에 어떤 영향을 끼치는지 비교 분석하여 신뢰성을 평가하였다. 다양한 데이터셋에 대해서 인위적으로 잡음을 추가하여 잡음 비율에 따라 에러율을 비교하였다. DMF를 사용해 상위 N개만 추천하는 경우, 잡음이 증가해도 잡음이 없을 때와 비교하여 상대적으로 좋은 성능을 보였다. 하지만 DMF를 사용해 사용자의 성향 파악을 위해 전체 상품에 대한 예측을 하는 경우, 그 정확도는 현저히 떨어지게 된다는 것을 확인할 수 있었다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
