저차원 클러스터링을 통한 그룹 추천시스템

국문 초록 (Abstract)

다양한 플랫폼 환경의 사용자가 늘어나면서 개인 추천시스템 이외에도 비슷한 소비 형태를 지닌 사용자들을 대상으로 하는 그룹 추천시스템의 필요성이 커지고 있다. 그룹을 만들기 위해 우선 사용자들의 특성을 분석해야 하므로, 본 논문에서는 행렬 분해 모델을 통해 사용자들을 나타낼 수 있는 저차원의 특성 벡터를 클러스터링 하였다. 이를 기반으로 성능 평가를 실시해 본 결과 그룹이 추천해준 아이템에 대하여 사용자들도 실제로 선호도가 높다는 것을 확인하였다.

다국어 초록 (Multilingual Abstract)

As the number of users of various platform environments increases, there is a growing need for a group recommender system targeting users with similar consumption patterns. We first analyze the characteristics of users to create a group. Then, we cluster low-dimensional characteristic vectors that can represent users through a matrix factorization models. As a result of comparative evaluations based on this, we verify that users actually have high preference for the items recommended by the group.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 관련 연구
• Ⅲ. 저차원 클러스터링을 통한 그룹 추천시스템
• Ⅳ. 실험결과 및 성능평가
• Ⅴ. 결론 및 향후계획
• 참고문헌