메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제14권 제5호
발행연도
2019.1
수록면
515 - 525 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
전자상거래의 방대한 상품 정보에서 사용자는 요구하는 상품을 찾기 위해서 많은 노력이 필요하며 판매자는 사용자에게 신속하게 상품을 제공하지 못하면 매출에 영향을 줄 수 있다. 이에 전자상거래 업체에서는 사용자가 요구하는 상품을 제공할 수 있도록 사용자의 과거 구매 정보를 기반으로 추천 서비스를 제공한다. 추천 서비스를 제공하기 위한 추천 기법은 사용자 간의 관계나 상품 간의 관계를 통해 추천 정보를 도출하는 협업적 필터링 추천 기법과 머신러닝 기반의 딥러닝 기술을 활용한 추천 기법이 있다. 본 연구에서는 협업적 필터링 추천 기법으로 사용자 기반 협업적 필터링 추천 기법과 아이템 기반 협업적 필터링 추천 기법을 연구하며, 딥러닝 기술을 활용한 추천 기법으로 RNN, LSTM, Word2Vec 추천 기법을 연구한다. 본 연구에서는 이러한 추천 기법에 대해 전자상거래 구매 정보를 기반으로 추천 성능을 평가한다. 추천 성능을 평가하기 위한 지표로는 정확도, 재현율, F1 측정을 활용하여 추천 성능을 분석한다. 추천 성능의 검증 결과는 LSTM 추천 기법이 가장 추천 성능이 우수한 것으로 분석되었으며, 추천 개수는 Top-10일 때 추천의 성능이 가장 우수한 것으로 분석되었다. 본 연구에서 제안한 추천 성능 평가 절차와 평가 결과를 기반으로 다양한 분야의 추천의 성능을 분석할 때 참조될 수 있을 것이다.

목차

등록된 정보가 없습니다.

참고문헌 (16)

참고문헌 신청
B. M. Sarwar / 2000 / Analysis of recommendation algorithms for e-commerce / Proc. of 2nd ACM Conference on Electronic Commerce :158~167 google schola Accuracy and precision google schola Precision and recall google schola F1 score google schola B. Hidasi / 2016 / Session-based recommendations with recurrent neural networks / Proc. of the ICLR google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0