추천 시스템에서의 효율적인 행렬 분해 모델을 위한 정밀도 변환 기법
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 유재서 | - |
dc.contributor.author | 고윤용 | - |
dc.contributor.author | 배홍균 | - |
dc.contributor.author | 강석원 | - |
dc.contributor.author | 유용승 | - |
dc.contributor.author | 박영준 | - |
dc.contributor.author | 김상욱 | - |
dc.date.accessioned | 2023-10-10T02:39:35Z | - |
dc.date.available | 2023-10-10T02:39:35Z | - |
dc.date.created | 2023-07-21 | - |
dc.date.issued | 2021-05 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/191829 | - |
dc.description.abstract | 최근 딥러닝 분야에서 모델 학습을 가속화하기 위해, 실수 표현 시 사용하는 비트 수를 줄이는 양자화 연구가 활발히 진행되고 있다. 본 논문은 추천 시스템 모델 중 하나인 행렬 분해 모델(Matrix Factorization, MF)에 대한 양자화 수행 시, 발생할 수 있는 학습 정확도 손실을 방지하기 위한 정밀도 변환 방안을 제시한다. 우리는 실세계 데이터셋을 이용한 실험을 통해, 제안 방안이 적용된 MF 모델은 양자화 기법이 적용되지 않은 모델과 비슷한 추천 정확도를 보이며, 약 30% 개선된 속도로 학습됨을 확인할 수 있었다. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 한국정보처리학회 | - |
dc.title | 추천 시스템에서의 효율적인 행렬 분해 모델을 위한 정밀도 변환 기법 | - |
dc.title.alternative | Precision Switching for Efficient Matrix Factorization in Recommender Systems | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 김상욱 | - |
dc.identifier.bibliographicCitation | 한국정보처리학회 춘계학술발표대회, pp.314 - 315 | - |
dc.relation.isPartOf | 한국정보처리학회 춘계학술발표대회 | - |
dc.citation.title | 한국정보처리학회 춘계학술발표대회 | - |
dc.citation.startPage | 314 | - |
dc.citation.endPage | 315 | - |
dc.type.rims | ART | - |
dc.type.docType | Proceeding | - |
dc.description.journalClass | 3 | - |
dc.description.isOpenAccess | N | - |
dc.description.journalRegisteredClass | other | - |
dc.identifier.url | https://kiss.kstudy.com/Detail/Ar?key=3893653 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
222, Wangsimni-ro, Seongdong-gu, Seoul, 04763, Korea+82-2-2220-1365
COPYRIGHT © 2021 HANYANG UNIVERSITY.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.