상세 보기
오토인코더를 이용한 딥러닝 기반 추천시스템 모형의 비교 연구
Comparison of deep learning-based autoencoders for recommender systems
- 정윤서;
- 이효진
초록
추천 시스템은 고객의 데이터를 이용하여 개인 맞춤화된 상품을 추천한다. 추천 시스템은 협업 필터링, 콘텐츠 기반 필터링 그리고 이 두 가지를 합친 하이브리드 방법의 세 가지로 크게 나누어진다. 이 연구에서는 딥러닝 방법론에 기초한 오토인코더를 이용한 추천 시스템에 대한 소개와 그 모형들의 비교 연구를 진행한다. 오토인코더는 데이터 행렬에 0이 많은 경우의 문제를 효과적으로 다룰 수 있는 딥러닝 기반의 비지도학습 모형이다. 이 연구에서는 세 개의 실제 데이터를 이용하여 다섯 가지 종류의 오토인코더 기반 모형들을 비교한다. 처음의 세 개 모형은 협업 필터링에 속한 모형이고 나머지 두 개의 모형은 하이브리드 모형이다. 실제 데이터는 고객의 평점 데이터이고, 대부분의 평점이 없어서 희박성 비율이 높다는 특징이 있다.
키워드
autoencoder; deep learning; recommender system; sparse data matrix; 오토인코더; 딥러닝; 추천 시스템; 희박 행렬
- 제목
- 오토인코더를 이용한 딥러닝 기반 추천시스템 모형의 비교 연구
- 제목 (타언어)
- Comparison of deep learning-based autoencoders for recommender systems
- 저자
- 정윤서; 이효진
- 발행일
- 2021
- 저널명
- 응용통계연구
- 권
- 34
- 호
- 3
- 페이지
- 329 ~ 345