RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      검색결과 좁혀 보기

      선택해제

      오늘 본 자료

      • 오늘 본 자료가 없습니다.
      더보기
      • 콘텐츠 기반 필터링을 적용한 논문추천시스템에 대한 연구

        장링링 전남대학교 2016 국내박사

        RANK : 247615

        이 연구의 목적은 콘텐츠 기반 필터링을 기반으로 LDA 모델 및 TPIPF의 계산방법을 적용한 새로운 논문추천시스템을 제안하는 데에 있다. 이 연구에서는 추천시스템에 관한 이론적 고찰과 선행 논문추천시스템에 적용한 추천기법을 조사하고 분석하였다. 추천기법은 논문추천시스템의 특성에 맞는 콘텐츠 기반 필터링을 선택하였다. 또한 논문 간의 의미적인 관계를 잘 파악하기 위하여 토픽모델링인 LDA 모델을 적용하였다. 이외에 이용자의 정보 요구를 정확하게 반영하기 위하여 이용자 프로파일에 TFIDF의 원리를 응용한 TPIPF라는 새로운 계산방법을 제안하였다. 여기에서 콘텐츠 기반 필터링을 기반으로 LDA 모델 및 TPIPF의 계산방법을 적용하여 제안된 논문추천시스템의 성능을 검증하기 위하여 CiteULike 웹사이트에서 데이터를 수집하여 LDA 모델의 최적화와 관련된 실험, 제안된 논문추천시스템의 최적화와 관련된 실험, 기존의 평균으로 구현된 논문추천시스템과의 비교 실험을 실시하였다. 위와 같은 연구방법으로 수행된 이 연구의 결과는 다음과 같다. 첫째, LDA 모델의 최적화와 관련된 실험에서 스테밍은 StemCompletion 방법, 단어를 제거하는 방법인 colsum_5 방법, 그리고 주제의 수가 50일 때 LDA 모델의 성능이 가장 좋은 것으로 나타났다. 둘째, 제안된 논문추천시스템의 최적화와 관련된 실험에서 스테밍은 StemCompletion 방법, 단어를 제거하는 방법인 colsum_5 방법, 그리고 주제의 수가 50일 때 제안된 논문추천시스템의 성능이 가장 좋은 것으로 나타났다. 또한 LDA 모델의 최적화와 관련된 실험에서도 같은 결과가 나타났다. 제안된 논문추천시스템의 최적화와 관련된 실험에서는 세 가지 추론방법에서 VEM 방법으로, 추천된 논문의 수가 10일 때 시스템의 성능이 가장 좋은 것으로 나타났다. 또한 이용자 프로파일이 클수록 시스템의 성능이 좋아지는 것으로 나타났다. 셋째, 기존의 평균으로 구현된 논문추천시스템과의 비교 실험에서 제안된 논문추천시스템은 추천의 정확률에서 기존의 논문추천시스템보다 좋은 것으로 나타났다. 이를 통계적으로 입증하기 위하여 대응표본 t검증을 한 결과도 역시 이와 같다. 연산시간에 대한 실험에서 제안된 논문추천시스템은 연산시간이 더 길지만 증가한 연산시간보다 성능을 더 많이 상승시켰다.

      연관 검색어 추천

      이 검색어로 많이 본 자료

      활용도 높은 자료

      해외이동버튼