글로버메뉴 바로가기 본문 바로가기 하단메뉴 바로가기

논문검색은 역시 페이퍼서치

> 한국통계학회 > 응용통계연구 > 34권 3호

오토인코더를 이용한 딥러닝 기반 추천시스템 모형의 비교 연구

Comparison of deep learning-based autoencoders for recommender systems

이효진 ( Hyo Jin Lee ) , 정윤서 ( Yoonsuh Jung )

- 발행기관 : 한국통계학회

- 발행년도 : 2021

- 간행물 : 응용통계연구, 34권 3호

- 페이지 : pp.315-331 ( 총 17 페이지 )


학술발표대회집, 워크숍 자료집 중 1,2 페이지 논문은 ‘요약’만 제공되는 경우가 있으니,

구매 전에 간행물명, 페이지 수 확인 부탁 드립니다.

5,700
논문제목
초록(한국어)
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.
초록(외국어)
Recommender systems use data from customers to suggest personalized products. The recommender systems can be categorized into three cases; collaborative filtering, contents-based filtering, and hybrid recommender system that combines the first two filtering methods. In this work, we introduce and compare deep learning-based recommender system using autoencoder. Autoencoder is an unsupervised deep learning that can effective solve the problem of sparsity in the data matrix. Five versions of autoencoder-based deep learning models are compared via three real data sets. The first three methods are collaborative filtering and the others are hybrid methods. The data sets are composed of customers’ ratings having integer values from one to five. The three data sets are sparse data matrix with many zeroes due to non-responses.

논문정보
  • - 주제 : 자연과학분야 > 통계학
  • - 발행기관 : 한국통계학회
  • - 간행물 : 응용통계연구, 34권 3호
  • - 발행년도 : 2021
  • - 페이지 : pp.315-331 ( 총 17 페이지 )
  • - UCI(KEPA) :
저널정보
  • - 주제 : 자연과학분야 > 통계학
  • - 성격 : 학술지
  • - 간기 : 격월
  • - 국내 등재 : KCI 등재
  • - 해외 등재 : -
  • - ISSN : 1225-066x
  • - 수록범위 : 1987–2021
  • - 수록 논문수 : 1963