닫기
Loading..

전자정보연구정보센터 ICT 융합 전문연구정보의 집대성

국내 논문지

홈 홈 > 연구문헌 > 국내 논문지 > 한국정보과학회 논문지 > 정보과학회논문지 (Journal of KIISE)

정보과학회논문지 (Journal of KIISE)

Current Result Document : 6 / 14 이전건 이전건   다음건 다음건

한글제목(Korean Title) 임베딩을 활용한 순환 신경망 기반 추천 모델의 성능 향상 기법
영문제목(English Title) Improving Recurrent Neural Network based Recommendations by Utilizing Embedding Matrix
저자(Author) 권명하   공성언   최용석   Myung Ha Kwon   Sung Eon Kong   Yong Suk Choi  
원문수록처(Citation) VOL 45 NO. 07 PP. 0659 ~ 0666 (2018. 07)
한글내용
(Korean Abstract)
최근 순환 신경망을 추천 시스템에 적용하는 연구들이 진행되고 있다. 순환 신경망은 평점이 주저지지 않은 환경에서 한 세션 상의 단기 기록만으로 컨텐츠를 추천하는 세션 기반 추천과 여러 번의 접속을 통해 축적된 장기 영화 시청 기록을 분석하여 영화를 추천하는 시스템에 적용되어 기존의 추천 기법들보다 더 좋은 성능을 보여주었다. 본 논문에서는 순환 신경망 기반 영화 추천 모델을 개선하기 위하여 가중치 결합 기법을 활용한 순환 신경망 기반 추천 모델의 학습을 제안한다. 또한 보다 정확한 성능평가를 위하여 점진적 추천 수행을 통해 성능을 평가한다.
영문내용
(English Abstract)
Recurrent neural networks(RNNs) have recently been successfully applied to recommendation tasks. RNNs were adopted by session-based recommendation, which recommends items by the records only within a session, and a movie recommendation that recommends movies to the users by analyzing the consumption records collected through multiple accesses to the websites. The new approaches showed improvements over traditional approaches for both tasks where only implicit feedback such as clicks or purchase records are available. In this work, we propose the application of weight-tying to improve the existing movie recommendation model based on RNNs. We also perform experiments with an incremental recommendation method to more precisely evaluate the performance of recommendation models.
키워드(Keyword) 추천 시스템   딥러닝   순환 신경망   LSTM   가중치 결함   recommendation system   deep learning   recurrent neural networks   LSTM   weight tying  
원문 PDF 다운로드