KCI우수등재
딥러닝 기반 추천시스템 성능 비교 연구 = Comparative study of recommender systems based on deep learning algorithms
저자
발행기관
학술지명
한국데이터정보과학회지(Journal of the Korean data & information science society)
권호사항
발행연도
2024
작성언어
Korean
주제어
등재정보
KCI우수등재
자료형태
학술저널
발행기관 URL
수록면
1-13(13쪽)
제공처
추천시스템이란 사용자의 과거 행동 데이터나 다른 데이터를 바탕으로 사용자에게 필요한 정보나 제품을 골라서 제시해주는 시스템이다. 추천시스템의 종류에는 여러 가지가 존재하는데, 이 연구에서는 전통적 방법 및 딥러닝 기반의 다섯 가지 대표적 협업 필터링 모형 중 영화 추천에 성능이 가장 뛰어난 모형을 탐색보고자 하였다. IMDb 자료를 분석에 사용하였으며, 무작위분할 방법과 시간고려분할 방법을 사용하여 각각 훈련 데이터, 검증 데이터와 시험 데이터로 분할하였다. 모형 성능 비교 방법으로 평점 기반 평가와 순위 목록 기반 평가 방법을 사용하였다. 그 결과 평점 기반 평가에서는 BE (baseline estimate) 모형이 SVD (singular value decomposition) 모형보다 더 좋게 나타났으며, 순위 목록 기반 평가에서는 BiVAE (bilateral variational autoencoder) 모형이 가장 우수하게 나타났다. 또한, 무작위분할 방법의 결과가 시간고려분할 방법의 결과보다 더 좋게 나타났다.
더보기A recommender system is a system that selects and presents users with relevant information or products based on their past behavior data or other relevant data. There are many types of recommendation systems, and in this study, we tried to find the best model for movie recommendation among five popular collaborative filtering models based on traditional and deep learning techniques. The IMDb data was used for analysis, and the training data, validation data, and test data were partitioned using random and time-dependent partition methods, respectively. Performance comparison was conducted using rating-based evaluation and ranking-based evaluation methods. The BE (baseline estimate) model was better than the SVD (singular value decomposition) model in the rating-based evaluation, while the BiVAE (bilateral variational autoencoder) model was best in ranking-based evaluation. Additionally, the random partition method showed superior performance compared to the time-dependent partition method.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)