이분 그래프를 활용한 추천시스템의 데이터 희소성 해결방안 연구
Resolving Data Sparsity Problem of Recommender System using Bipartite Graph
- 주제(키워드) 추천 시스템 , 이분 그래프 , 데이터 희소성
- 발행기관 아주대학교
- 지도교수 손경아
- 발행년도 2017
- 학위수여년월 2017. 2
- 학위명 석사
- 학과 및 전공 일반대학원 소프트웨어특성화학과
- 실제URI http://www.dcollection.net/handler/ajou/000000024650
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
데이터 희소성은 추천 시스템의 성능에 큰 영향을 미치는 문제로 추천 시스템에서 데이터 희소성을 해결하는 것은 매우 중요하다. 따라서 본 논문은 Epinions 데이터를 사용하여 데이터 희소성에 따른 추천 시스템 알고리즘의 성능을 비교하고, 신뢰 데이터를 사용하여 Hybrid 알고리즘을 개선한다. 추천 시스템 알고리즘은 행렬 분해 방식의 BPR과 확산 방식의 Hybrid를 주로 사용하였다. 첫 번째 연구에서는 데이터가 다양한 희소성을 가지도록 구성하여 희소성이 높은 데이터에서는 Hybrid 알고리즘이 더 적합하다는 것을 알 수 있었다. 두 번째 연구에서는 Hybrid 알고리즘에 신뢰 데이터를 사용하는 S-Hybrid 알고리즘을 제안하여 Hybrid 알고리즘을 개선한다. 신뢰 데이터는 사용자간의 친밀도를 보여 주는 데이터이며, 이를 통해서 기존에 연구 된 적 없었던 신뢰 데이터를 사용한 Hybrid 알고리즘을 개발 할 수 있었다.
more목차
제１장 서 론
제１절 연구 배경
제２절 연구 목적
제３절 논문 구성
제２장 관련 연구
제３장 데이터 희소성에 따른 알고리즘 성능 연구
제１절 알고리즘
１. Global Average
２. User k-neighborhood
３. Item k-neighborhood
４. Bayesian Personalize Ranking(BPR)
５. Hybrid
제２절 데이터
１. Epinions 데이터
２. 데이터 전처리
제３절 평가 방법
１. 성능 평가 지표
２. 성능 평가 방법
제４절 실험 결과
１. 알고리즘 성능 비교
２. 데이터 희소성에 따른 알고리즘 성능 비교
제４장 신뢰 정보를 사용한 Hybrid 알고리즘 개선
제１절 제안 방법
제２절 데이터 및 평가 방법
제３절 실험 결과
제５장 결 론
