본문 바로가기

논문 리뷰/추천시스템8

[추천시스템] Feature-level Deeper Self-Attention Network for Sequential Recommendation 📚 논문 정보 📚 요약 모델 구조 설명 Embedding Layer 유저들의 시퀀스가 각기 다르기 때문에 시퀀스 s의 길이를 n으로 통일하였다. n은 모델이 다룰 수 있는 최대 길이이다. 시퀀스가 짧은 경우는 왼쪽부터(가장 과거부터) zero padding을 실시한다. 만약 시퀀스가 n 보다 클 경우에는 가장 최근의 데이터만 사용한다. lookup layer를 사용해서 원핫 벡터 형태인 action sequence : s 와 category sequence : c 를 dense vector 형태로 변경한다. 카테고리 외에 브랜드, 판매자 등 해당 상품과 관련이 있는 변수들은 동일하게 시퀀스로 처리하였다. 또한 제품 설명, 제목 등의 텍스트 데이터에 대해서는 토픽모델링으로 5개의 토픽을 추출하고 Word2.. 2022. 4. 10.
[추천시스템] 딥러닝을 이용한 온라인 리뷰 기반 다속성별 추천 모형 개발 📚 논문 정보 이륜경, 정남호, & 홍태호. (2019). 딥러닝을 이용한 온라인 리뷰 기반 다속성별 추천 모형 개발. 정보시스템연구, 28(1), 97-114. 📚 요약 본 연구의 전체 프레임워크는 아래와 같다. 데이터 수집 : 트립어드바이저에서 한국,미국,프랑스,중국 주요 도시의 레스토랑의 리뷰 510,000건을 수집하여 사용하였다. 평점 데이터도 함께 수집하였는데, 이 연구에서는 평점이 3점인 경우는 grey sheep 문제 등으로 인해서 제외하였다. 전처리를 진행하고 최종적으로 260,000개가량의 리뷰를 사용하였다. 토픽의 갯수는 위 그래프와 같이 혼잡도를 고려해서 총 200개로 선정하였다. 200개 토픽 중에서 상위 5개 키워드를 이용해서 속성(=토픽)들의 명칭을 지정했다. 과 같이 각 속성(.. 2022. 3. 12.
[추천시스템] 개인화 추천시스템에서 고객 제품 리뷰가 사회적 실재감에 미치는 영향 📚 논문 정보 최재원, & 이홍주. (2011). 개인화 추천시스템에서 고객 제품 리뷰가 사회적 실재감에 미치는 영향. 지능정보연구, 17(3), 115-130. 📚 요약 이 연구에서는 추천시스템 사용 과정에서 사회적 실재감이 미치는 영향을 파악하였다. 사회적 실재감은 미디어에서 사용자들이 서로 얼마나 개인적인 관계를 맺게 하는가로 정의되는데, 이 연구에서는 '웹 사이트가 사용자에게 심리적으로 다른 사용자들을 경험하게 하는 정도'로 정의했다. 연구가설은 다음과 같다. • H1 : 비개인화 추천에 비해 개인화 추천을 제공하는 것이 사용자가 인지하는 사회적 실재감이 더 클 것이다. • H2 : 비개인화 추천에서는 고객제품리뷰 제공이 고객제품리뷰를 제공하지 않는 것보다 사용자가 인지하는 사회적 실재감이 클 것.. 2022. 3. 7.
[추천시스템] 양방향 인재매칭을 위한 BERT 기반의 전이학습 모델 📚 논문 정보 오소진, 장문경, & 송희석. (2021). 양방향 인재매칭을 위한 BERT 기반의 전이학습 모델. Journal of Information Technology Applications & Management, 28(4), 33-43. 📚 요약 본 연구에서는 국내 헤드헌처 업체의 구직자 프로필, 채용 공고, 지원 이력에 대한 데이터를 사용했다. 또한 해당 데이터에는 지원자의 지원여부를 나타내는 binary 데이터와, 긍정사례 17,995건 / 부정사례 42,367건으로 나뉘어져 있다. 이 변수를 기준으로 해당 구직자가 채용 공고에 적합한 지 여부를 학습했다. 이 연구에서 제안한 BERT 기반 모델의 프레임워크는 위와 같다. • 구직자의 프로필과 채용공고를 BERT 모델에 입력하기 위해서 데이.. 2022. 2. 25.
[추천시스템] 추천 수량과 재 추천을 고려한 사용자 기반 협업필터링 추천시스템 📚 논문 정보 박지회, & 남기환. (2017). 추천 수량과 재 추천을 고려한 사용자 기반 협업 필터링 추천 시스템. Information Systems Review, 19(2), 71-94. 📚 요약 이 연구에서는 오프라인 의류 매장을 대상으로 '추천 수량' 과 '재 추천'을 고려한 협업필터링 방식을 제안했다. 오프라인 매장의 재고관리 측면에서는 단순히 구매 여부보다 얼마나 구매할 지를 아는 것이 중요하기 때문에 이 연구에서는 해당 요소를 중요하게 고려했다. 일반적인 CF에서 유저가 여기서는 매장이 된다. 1. 매장 프로필 생성 고객이 아이템에 평가를 한 데이터가 아니라, 각 매장이 의류 상품(아이템)을 판매한 데이터를 사용한다. 따라서 개인의 평점 대신에 매장의.. 2022. 2. 21.
[추천시스템] 추천시스템 기법 연구동향 분석 📚 논문 정보 손지은, 김성범, 김현중, & 조성준. (2015). 추천 시스템 기법 연구동향 분석. 대한산업공학회지, 41(2), 185-208. 📚 요약 이 논문은 추천시스템의 종류, 특징, 장단점, 평가 방식, 사용 소프트웨어 동향 등을 정리하여 분석하였다. 향후 연구 주제 선정 및 진행에 도움이 될 수 있는 내용이 많아서 정리하였다. 본 논문에서 정리한 추천시스템 기법의 분류는 다음과 같다. ✅ 콘텐츠 기반 필터링 아이템 콘텐츠를 직접 분석해서 아이템과 아이템 or 아이템과 사용자의 유사도로 추천하는 방식이다. ①에서 고객의 선호도를 파악할 때 과거의 구매이력이나 사용자의 프로필 정보를 사용한다. 따라서 CF처럼 고객의 평가 정보가 없더라고 추천을 할 수 있다는 장점이 있다. 또한, 아이템이 새롭.. 2022. 2. 9.

티스토리툴바