정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
K-means 클러스터링을 사용한 SVD 기반의 교차 도메인 추천 |
| 영문제목(English Title) |
SVD-based Cross-Domain Recommendation Using K-means Clustering |
| 저자(Author) |
김태훈
김성권
Tae-Hoon Kim
Sung Kwon Kim
|
| 원문수록처(Citation) |
VOL 49 NO. 05 PP. 0360 ~ 0368 (2022. 05) |
한글내용
(Korean Abstract) |
교차 도메인 추천은 다른 도메인에 있는 관련 사용자 정보 데이터와 아이템 데이터 공유를 통해 해결하고자 하는 방법이다. 사용자 중복이 많은 온라인 쇼핑몰이나 유튜브(YouTube) 또는 넷플릭스(NetFlix)와 같이 멀티미디어 서비스 컨텐츠에서 주로 사용된다. K-means 클러스터링을 통해 사용자 데이터와 평점을 기반으로 군집화를 실시하여 임베딩을 생성한다. 그 결과를 다층 신경망(Multi Layer Neural Network)를 통해 학습시킨 후, 사용자 만족도를 예측한다. 그 후 협업 필터링 기법인 행렬 분해(matrix factorization)를 이용하여 사용자에게 맞는 아이템들을 추천한다. 이 연구를 통해 추천함으로써 더 적은 시간적 비용으로 초기 사용자 문제에 대해 예측이 가능하고, 사용자들의 만족도를 높일 수 있다는 결과를 실험을 통해 보여주었다. |
영문내용
(English Abstract) |
Cross-domain recommendation is a method that shares related user information data and item data in different domains. It is mainly used in online shopping malls with many users or multimedia service contents, such as YouTube or Netflix. Through K-means Clustering, embeddings are created by performing clustering based on user data and ratings. After learning the result through a multi-layer neural network, user satisfaction is predicted. Then, items suitable for the user are recommended using matrix factorization, which is a collaborative filtering technique. Through this study, it was shown through experiments that recommendations can predict cold-start problems at a lesser time cost and increase the user satisfaction. |
| 키워드(Keyword) |
교차 도메인 추천
데이터 공유
협업 필터링
K-means 클러스터링
행렬 분해
다층 신경망
cross-domain recommendation
data sharing
collaborative filtering
matrix factorization
K-means clustering
multi-layer neural networks
|
| 파일첨부 |
PDF 다운로드
|
