| 한글제목(Korean Title) |
희소 데이터 기반 추천 시스템에서의 특징 공학 영향 분석 |
| 영문제목(English Title) |
Analysis of The Impact of Feature Engineering in Recommender Systems Based on Sparse Data |
| 저자(Author) |
오혜지
용자윤
김철연
Hyeji Oh
Jayun Yong
Chulyun Kim
|
| 원문수록처(Citation) |
VOL 48 NO. 01 PP. 1063 ~ 1065 (2021. 06) |
한글내용
(Korean Abstract) |
개인화 추천 시스템(Personalized Recommender Systems)은 고객의 취향에 맞는 적절한 아이템 (상품, 콘텐츠, 기사 등)을 추천하는 시스템이다. 개인화된 추천을 위해서는 데이터의 특징 공학 (feature engineering)이 성능에 영향을 미치나 최근 딥러닝(Deep Learning)의 발달로 인해 이러한 특징 공학의 중요성이 간과되어졌다. 그러나 추천 시스템에서 주로 사용되는 현실 데이터(real life data)의 경우 희소성을 띄는 경우가 다분하다. 이러한 희소성을 띄는 데이터의 경우 데이터의 직접적인 특징 공학이 여전히 성능에 영향을 미친다. 따라서 본 논문에서는 희소성을 띄는 데이터에 대해 다양한 모델에 특징 공학을 적용하여 성능을 비교해보고, 특징 공학의 중요성을 제안한다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
