닫기
Loading..

Please wait....

국내 논문지

홈 홈 > 연구문헌 > 국내 논문지 > 한국정보통신학회 논문지 (J. of the Korea Inst. of Information&Communication Engineering)

한국정보통신학회 논문지 (J. of the Korea Inst. of Information&Communication Engineering)

Current Result Document : 2 / 17 이전건 이전건   다음건 다음건

한글제목(Korean Title) 문자 수준 딥 컨볼루션 신경망 기반 추천 모델
영문제목(English Title) A Recommendation Model based on Character-level Deep Convolution Neural Network
저자(Author) 기가기   정영지   Ji JiaQi   Yeongjee Chung  
원문수록처(Citation) VOL 23 NO. 03 PP. 0237 ~ 0246 (2019. 03)
한글내용
(Korean Abstract)
추천 시스템의 등급 예측 정확도를 높이기 위해서는, 사용자 항목 등급 데이터뿐만 아니라 주석, 태그 또는 설명과 같은 항목의 보조 정보도 고려해야만 한다. 기존 접근법에서는 단어 단위에서 bag-of-words 모델을 사용하여 보조 정보를 모델링한다. 그러나 이러한 모델은 보조 정보를 효과적으로 활용할 수 없으므로 보조 정보를 제한적으로 이해하게 된다. 한편, 컨볼루션 신경망(CNN)에서는 보조 정보로부터 특징 벡터를 효과적으로 포착하고 추출할 수 있다. 따라서 본 논문에서는 새로운 추천 모델을 위해 딥 CNN을 행렬 분해에 통합시킨 문자 수준의 딥 컨볼루션 신경망 기반 행렬 분해 (Char-DCNN-MF) 방법을 제안한다. Char-DCNN-MF에서는 보조 정보를 더 심층적으로 이해하고 추천 성능을 더욱 향상시킬 수 있다. 실험은 세 가지 다른 실제 데이터 세트에서 수행되었으며 그 결과는 Char-DCNN-MF가 다른 비교 모델보다 유의적으로 뛰어난 성능을 보여주었다.
영문내용
(English Abstract)
In order to improve the accuracy of the rating prediction of the recommendation model, not only user-item rating data are used but also consider auxiliary information of item such as comments, tags, or descriptions. The traditional approaches use a word-level model of the bag-of-words for the auxiliary information. This model, however, cannot utilize the auxiliary information effectively, which leads to shallow understanding of auxiliary information. Convolution neural network (CNN) can capture and extract feature vector from auxiliary information effectively. Thus, this paper proposes character-level deep-Convolution Neural Network based matrix factorization (Char-DCNN-MF) that integrates deep CNN into matrix factorization for a novel recommendation model. Char-DCNN-MF can deeper understand auxiliary information and further enhance recommendation performance. Experiments are performed on three different real data sets, and the results show that Char-DCNN-MF performs significantly better than other comparative models.
키워드(Keyword) 추천 모델   컨볼루션 신경망   행렬 분해   심층 학습   Recommendation model   Convolution neural network   Matrix factorization   Deep Learning  
파일첨부 PDF 다운로드