추천 시스템에서의 데이터 임퓨테이션 분석Analysis of Data Imputation in Recommender Systems
- Other Titles
- Analysis of Data Imputation in Recommender Systems
- Authors
- 이영남; 김상욱
- Issue Date
- Dec-2017
- Publisher
- 한국정보과학회
- Keywords
- 추천 시스템; 협업 필터링; 데이터 희소성; 데이터 임퓨테이션; Recommender system; Collaborative filtering; Data sparsity; Data imputation
- Citation
- 정보과학회논문지, v.44, no.12, pp.1333 - 1337
- Indexed
- KCI
- Journal Title
- 정보과학회논문지
- Volume
- 44
- Number
- 12
- Start Page
- 1333
- End Page
- 1337
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/150975
- DOI
- 10.5626/JOK.2017.44.12.1333
- ISSN
- 2383-630X
- Abstract
- 추천 시스템이란 사용자가 좋아할만한 개인화된 상품을 사용자에게 제안하는 것이다. 최근 상품 수의 증가로 추천 시스템의 중요성이 날로 커지고 있지만, 데이터 희소성 문제는 여전히 추천 시스템의 대표적인 문제로 남아있다. 데이터 희소성 문제는 사용자가 전체 상품 중 일부의 상품에만 평점을 부여하여, 사용자와 상품 관계를 정확히 이해하기 힘든 것을 말한다. 이를 해결하기 위해 가장 여러 가지 접근법이 있는 그 중 대표적인 것인 데이터 임퓨테이션이다. 데이터 임퓨테이션은 사용자가 평가하지 않은 상품의 평점을 추론해 평점 행렬에 채우는 방법이다. 하지만 기존 데이터 임퓨테이션 방법은 사용자가 평가하지 않은 상품에 대한 몇 가지 특성을 놓치고 있다. 본 논문에서는 기존 방법의 한계점을 정의하고, 이를 개선하는 방안 3가지를 제안한다.
- Files in This Item
-
Go to Link
- Appears in
Collections - 서울 공과대학 > 서울 컴퓨터소프트웨어학부 > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.