데이터베이스 연구회지(SIGDB)
Current Result Document : 2 / 2
| 한글제목(Korean Title) |
삼분 그래프 기반 외식 추천 기법 |
| 영문제목(English Title) |
A Tripartite Graph based Restaurant Recommendation Technique |
| 저자(Author) |
임푸름
김한준
Pu-reum Lim
Han-joon Kim
|
| 원문수록처(Citation) |
VOL 34 NO. 01 PP. 0069 ~ 0079 (2018. 04) |
한글내용
(Korean Abstract) |
정보화 시대에 소셜 데이터를 활용한 추천 알고리즘은 그 필요성이 매우 증가하였다. 하지만 소셜 데이터를 활용한 기존의 추천 알고리즘은 만족할만한 성능을 보이지 못한다. 이는 소셜 데이터가 인간의 자연어 텍스트 데이터 이므로 함축적 의미나 배경지식 등이 데이터 속에 숨겨져 있기 때문이다. 따라서 소셜 데이터를 활용한 추천 알고리즘이 만족할만한 추천 성능을 내기 위해서는 데이터 속에 숨겨진 정보를 추출하여 추천에 반영해야만 한다. 이를 해결하기 위해 본 논문에서는 삼분 그래프(Tripartite Graph)를 이용한 새로운 추천 알고리즘을 제안한다. 본 논문의 추천 알고리즘은 삼분 그래프의 구조적 특성을 활용한 연산 과정을 통해 데이터 속에 심층적으로 숨겨져 있는 정보를 추천에 적용할 수 있다. 또한 제안 기법은 상대적으로 작은 정보에서도 기존의 추천 알고리즘보다 유용한 정보를 더 많이 추출할 수 있다.
|
영문내용
(English Abstract) |
In the modern information age, the need for recommendation algorithms using social data has significantly increased. However, conventional recommendation algorithms using social data have not achieved reasonable performance. This is because social data is natural language data, and thus background knowledge and implicit words are hidden in the data. Therefore, to develop recommendation systems using social data, hidden information in the social data should be reflected in the recommendation algorithm. To this end, we propose a novel recommendation algorithm based upon the tripartite graph. The proposed algorithm utilizes the structural characteristics of the tripartite graph, and thus it can extract hidden information in the social data. As a result, the proposed algorithm can extract more useful information than other conventional recommendation algorithms even though the amount of given data is relatively small.
|
| 키워드(Keyword) |
텍스트 마이닝
추천 알고리즘
자료 구조
데이터베이스
text mining
recommendation algorithm
data structure
database
|
| 파일첨부 |
PDF 다운로드
|
