-검정.jpg){kind=logo}
- 권한신청
- P-ISSN1225-598X
- E-ISSN2982-6292
학습알고리즘 기반의 하이브리드 개인화 추천시스템 개발에 관한 연구
A Study on Development of Hybrid Personalization Recommendation System Based on Learning Algorithm
문성빈 (연세대학교)
- 다운로드 수
- 조회수
초록
인터넷의 발전과 성장은 웹상에서의 정보의 량에 있어서 폭발적인 성장을 가져 왔다. 이러한 웹상에서의 정보량의 증가는 정보이용자의 요구와 필요에 맞는 정보 제공을 위한 서비스로서 웹기반의 개인화서비스에 대한 요구를 더욱 더 강조하게 되었다. 개인화서비스는 정보이용자의 요구와 필요에 의해 현실화 될 수 있으며 이러한 정보이용자의 관심사와 정보요구는 지속적으로 또한 급격하게 변화되고 있다. 웹상의 수많은 정보로부터 정보이용자의 요구와 필요를 만족시킬 수 있기 위하여 본 논고에서는 이용자의 관심과 요구를 표현하기 위하여 이용자 프로파일 정보를 이용하였으며 이러한 이용자의 프로파일 정보는 이용자의 요구와 흥미에 대한 변화를 반영하기 위하여 지속적으로 갱신하였다. 본고에서는 정보이용자의 정보요구와 흥미의 변화를 지속적으로 이용자프로파일에 반영하기 위한 방안으로서 학습알고리즘을 제안하였다. 정보이용자의 정보에 대한 피드백을 기반으로 이용자의 정보에 대한 흥미와 요구는 본 고에서 제안한 학습알고리즘을 통하여 지속적으로 갱신 되므로서 정보이용자에게 보다 정확한 정보를 제공할 수 있다고 할 수 있다. 이러한 학습알고리즘은 보다 개선된 하이브리드 정보추천시스템에 적용하였다.
- keywords
- 개인화서비스, 학습알고리즘, 하이브리드, 추천알고리즘, 추천시스템, SDI, 선택적 정보배포, Personalization, Recommendation, Hybrid, Learning Algorithm, SDI
Abstract
The popularization of the internet has produced an explosion in amount of the information. The importance of web personalization is being more and more increased. The personalization is realized by learning user’s interest. User’s interest is changing continuously and rapidly. We use user's profile to represent user's interest. User’s profile is updated to reflect the change of user’s interest. In this paper we present an adaptive learning algorithm that can be used to reflect user’s interest that is changing with time. We propose the User’s profile model. With this profile user's interest is learned based on user’s feedback. This approach has applied to develop hybrid recommendation system.
- keywords
- 개인화서비스, 학습알고리즘, 하이브리드, 추천알고리즘, 추천시스템, SDI, 선택적 정보배포, Personalization, Recommendation, Hybrid, Learning Algorithm, SDI
참고문헌
김현희, (2002.) ？？춤정보서비스를 위한 MyCyberLibrary 모형설계와 평가에 관한 연구. ,
남궁 황, (2003.) 학습시스템에 기반한 개인화 정보 서비스에 관한 연구. ,
황성희, (2001.) 인구통계학적 특성에 따른 협동적필터링 알고리즘의 추천 효율 분석. ,
Balabanovic,Marko,and Yoav Shoham.. , (1997) “Content-Based Collaborative Recommendation.” ,
Daniel, (1998.) Learning Collaborative Information Filters. Berkeley,
Dahlen, User benefits of starting a colla- borative filtering system with ‘dead data’. University of Minnesota TR 98-017.,
B, C.. 1996. “Learning user information interests through extraction of semantically significant phrases.” Proceedings of the AAAI Spring Symposium on Machine Leaning in Information Access.,
Lang, Learning to filter netnews.” Proceedings of the 12th International Conference on Machine Learning.,
Ash Patel, (2000.) and John Robison. “Experience with personalization on yahoo! Communication of the ACM,
Resnick, An Open Architecture for Collaborative Filtering of Netnews.” Proceedings of the Conference on Computer sup- ported Cooperative Work.,
Schonberg, Communications of the ACM. 43,
and Patti Maes. 1995. “Social information filtering, Algorithms for automating “Word of Mouth”. Proceedings of the ACM CHI ’95 Conference on Human Fac- tors in Computing Systems,
Sheth, Beerud Dilip. 1994. The learning approach to Personalized information Filtering. Boston, MIT Press.
Wu, and Arbee l. P. Chen. 2001. “Enabling Personalized recommendation on the Web based on User Interests and Behaviors. Proceedings of Eleventh International Workshop on Data Engineering.,
- 다운로드 수
- 조회수
- 0KCI 피인용수
- 0WOS 피인용수