http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
황태규(Tae-Gyu Hwang),김성권(Sung Kwon Kim) 한국정보과학회 2020 정보과학회 컴퓨팅의 실제 논문지 Vol.26 No.9
영화장르는 주제, 줄거리, 분위기 등이 요약된 특성이고, 같은 장르의 영화들은 비슷한 특성을 가지며, 영화 제작자나 전문가에 의해 영화장르가 분류된다. 사용자가 새로운 영화를 선택할 때, 영화장르로부터 유추된 내용을 바탕으로 의사결정하기 때문에, 영화장르는 선호도를 대표할 수 있는 중요한 단서가 된다. 기존의 방법은 영화장르 분석을 통해 추천 정확성을 향상시켰지만, 협업 필터링 기반의 평점예측으로 인해 복잡도가 크고, 영화분류에 사용된 매개변수 값에 따른 성능편차가 크기 때문에 모델의 최적화가 어려우며, 분류된 영화들의 조합으로 추천목록을 작성하기 때문에 인위적인 추천결과를 보였다. 본 논문에서는 제시된 문제해결을 위한 알고리즘을 제안하며, 실험을 통해 제시된 문제들이 해결됨을 확인할 수 있었다. Genres categorize movies and help summarize their themes, plots and moods. As such, movies of the same genre should have similar characteristics when they are classified by movie-makers or domain experts. When you choose a new movie, the genre becomes an important clue to match your preferences to something you haven’t seen before, basically it helps us make decisions based on analogy to previous movies we have seen in that genre. Although previous methods have improved recommendation accuracy through analysis of movie genre, recommending movies is a high complexity problem due to the collaborative filtering-based rating prediction used. Also, this model is difficult to optimize because of the large variation in performance according to the parameter values used in the movie classification, at the same time the recommended results are artificial because the recommendation list is written using a combination of classified movies. In this paper, we introduce new methods for solving the problems presented, and through experiments we show that our approach successfully solves these problems.
황태규(Tae-Gyu Hwang),김성권(Sung Kwon Kim) 한국정보과학회 2021 정보과학회 컴퓨팅의 실제 논문지 Vol.27 No.10
추천시스템은 정확성 향상을 위해 정보검색 이론을 바탕으로 새로운 선호패턴을 도출하도록 심화하는 것이 핵심이다. 사용자의 편향은 사용자가 영화를 선택하고 평가하는 과정에 관여하지만, 편향과 의사결정의 관계를 다루는 연구는 많지 않다. 다중편향분석은 사용자와 영화의 속성이 의사결정에 미치는 영향을 분석하는 모델이고, 이 모델은 협업 필터링보다 더 나은 평점예측 성능을 보였다. 그러나 기존모델은 사용자속성의 편향과 영화속성의 편향에 대한 신뢰성을 고려하지 않는다. 제안된 방법은 사용자속성과 영화속성의 편향에 대한 신뢰도를 계산하고, 신뢰도가 떨어지는 속성의 편향을 신뢰도가 높은 속성의 편향으로부터 계산해서 기존모델의 성능을 개선하며, 속성의 편향을 계산하는 과정에는 속성 간의 상관관계를 반영한다. 본 논문에서는 다중편향분석모델의 성능개선을 위해 속성의 신뢰도 계산, 속성간의 상관관계 계산, 속성의 편향을 예측하는 방법에 대해 소개한다. 영화데이터를 사용해 실험한 결과, 제안된 방법을 통해 기존모델의 정확성이 향상됨을 확인할 수 있었고, 0.84~7.39%의 성능 향상율을 보였다. The core of the recommendation system is to derive new preference patterns based on information retrieval theory in order to improve accuracy. Although user bias is involved in the process through which users select and evaluate movies, few studies have been done on the relationship between bias and decision-making. Multiple bias analysis is a model which analyzes the effects of the user and the attributes of movies on decision-making, one that showed better rating prediction performance than collaborative filtering. However, the existing model does not consider the reliability of the bias of both user and movie attributes. The proposed method computes the reliability of said biases, those with low reliability from the bias of those with high reliability in order to improve the performance of the existing model, and reflects the correlations between attributes in the process of computing them. In this paper, methods of computing the reliability of attributes the correlations between attributes, as well as predicting the bias of attributes to improve the performance of multiple bias analysis models were introduced. Experiments were conducted using movie data, and based on the results, it was found that the accuracy of the existing model was improved through the proposed method with an improvement rate of 0.84 to 7.39%.