시각 정보 가중치를 적응적으로 학습하는 베이지안 개인화 순위 학습 기반 추천 알고리즘

임영서; 문선아; 고상기; Yeongseo Lim; Seona Moon; Sang-Ki Ko

연구문헌

학술대회 프로시딩

홈 > 연구문헌 > 학술대회 프로시딩 > 한국정보과학회 학술대회 > KCC 2021

KCC 2021

Current Result Document : 3 / 1,584 이전건 다음건

한글제목(Korean Title)	시각 정보 가중치를 적응적으로 학습하는 베이지안 개인화 순위 학습 기반 추천 알고리즘
영문제목(English Title)	Adaptive Visual Bayesian Personalized Ranking for Contents Recommendation
저자(Author)	임영서 문선아 고상기 Yeongseo Lim Seona Moon Sang-Ki Ko
원문수록처(Citation)	VOL 48 NO. 01 PP. 1984 ~ 1986 (2021. 06)
한글내용 (Korean Abstract)	추천 시스템은 사용자의 지속적인 구매를 이끌어 내기 위해 사용자가 선호할 것 같은 항목 들을 예측한다. 이를 위해 항목의 고유한 특성 정보나 사용자의 과거 행동 이력을 기반으로 사용자의 특정 항목에 대한 선호도를 계산한다. 추천 시스템에서는 주로 행렬 분해 방식을 활용하는데 이 방식은 사용자-항목 간 선호도 행렬을 사용자에 대한 잠재 요인과 항목에 대한 잠재 요인으로 분해하는 방식이다. 이렇게 얻어진 사용자의 잠재 요인과 항목의 잠재 요인을 기반으로 사용자의 특정 항목에 대한 선호도를 예측하게 된다. 최근에는 항목의 잠재적 요인 뿐만 아니라 항목의 시각 정보를 부가적으로 활용하여 추천 시스템의 성능을 높이는 연구가 활발히 진행되고 있다. 본 논문에서는 시각 정보가 부분적으로 존재하는 상황에서 사용자가 항목의 잠재적 요인에 대한 선호도와 시각적 특징에 대한 선호 정보에 대한 가중치를 적응적으로 학습할 수 있는 알고리즘을 제안하고 공개된 데이터셋을 활용하여 실험을 통해 제안된 알고리즘의 우수성을 검증한다.
영문내용 (English Abstract)
키워드(Keyword)	추천 시스템 행렬 분해 베이지안 개인화 순위 학습 인공 신경망 적응적 학습
파일첨부	PDF 다운로드