익스플리싯 피드백 환경에서 추천 시스템을 위한 최신 지식증류기법들에 대한 성능 및 정확도 평가State-of-the-Art Knowledge Distillation for Recommender Systems in Explicit Feedback Settings: Methods and Evaluation
- Other Titles
- State-of-the-Art Knowledge Distillation for Recommender Systems in Explicit Feedback Settings: Methods and Evaluation
- Authors
- 배홍균; 김지연; 김상욱
- Issue Date
- Oct-2023
- Publisher
- (사)한국스마트미디어학회
- Keywords
- knowledge distillation; recommender systems; explicit feedback; 지식증류기법; 추천 시스템; 익스플리싯 피드백
- Citation
- 스마트미디어저널, v.12, no.9, pp.89 - 94
- Indexed
- KCI
- Journal Title
- 스마트미디어저널
- Volume
- 12
- Number
- 9
- Start Page
- 89
- End Page
- 94
- URI
- https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/192103
- DOI
- 10.30693/SMJ.2023.12.9.89
- ISSN
- 2287-1322
- Abstract
- 추천 시스템은 사용자가 아이템에 남긴 익스플리싯 또는 임플리싯 피드백을 바탕으로 각 사용자가 선호할 법한 아이템들을 추천하는 기술이다. 최근, 추천 시스템에 사용되는 딥 러닝 기반 모델의 사이즈가 커짐에 따라, 높은 추천 정확도를 유지하며 추론 시간은 줄이기 위한 목적의 연구가 활발히 진행되고 있다. 대표적으로 지식증류기법을 이용한 추천 시스템에 관한 연구가 있으며, 지식증류기법이란 큰 사이즈의 모델(즉, 교사)로부터 추출된 지식을 통해 작은 사이즈의 모델(즉, 학생)을 학습시킨 뒤, 학습이 끝난 작은 사이즈의 모델을 추천 모델로서 이용하는 방법이다. 추천 시스템을 위한 지식증류기법들에 관한 기존의 연구들은 주로 임플리싯 피드백 환경만을 대상으로 수행되어 왔었으며, 본 논문에서 우리는 이들을 익스플리싯 피드백 환경에 적용할 경우의 성능 및 정확도를 관찰하고자 한다. 실험을 위해 우리는 총 5개의 최신 지식증류기법들과 3개의 실세계 데이터셋을 사용하였다.
- Files in This Item
-
Go to Link
- Appears in
Collections - 서울 공과대학 > 서울 컴퓨터소프트웨어학부 > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/192103)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.