초록 열기/닫기 버튼
To overcome research problems in recommendation system, all basis models obtain separately capability. However with different source data, they become ineffective respectively. Moreover in the big data era, the rapid data process are also highlighted as necessary requirement beside the accuracy. The existing researches mainly focus on single model and only a few research considers to the hybrid system to combine various robustness of them. In this research, we design a hybrid system by combining the feature of content base and the robustness of matrix factorization in collaboration filtering using the stochastic gradient descent algorithm. With the results in experiments, we show the better results of model in both accuracy and the time learning of model. This study also direct a novel trend in recommendation system research.
추천 시스템의 여러 연구 문제를 극복하기 위해, 모든 기본 모델들은 각각의 역량을 가지게 된다. 그러나 서로 다른 소스 데이터를 사용하면 그것들은 비효율적인 모델이 된다. 더욱이 빅데이터 시대에는 정확성 외에도 데이터 처리의 신속함도 필수 요건으로 부각되고 있다. 기존 연구는 주로 단일 모델에 초점을 맞추고 있으며 소수의 연구만이 모델들의 다양한 견고성을 결합하기 위해 하이브리드 시스템을 고려한다. 본 연구에서는 협업 필터링의 매트릭스 인자화의 견고함과 콘텐츠 기반 피처를 결합한 확률적 경사 하강 알고리즘을 이용하는 하이브리드 시스템을 설계한다. 실험 결과, 본 연구에서 제시된 모델은 정확성과 학습 시간에서 모두 더 나은 결과를 보여주었다.
키워드열기/닫기 버튼
한글 키워드 추천 시스템, 행렬 분해, 확률적 경사 하강, 하이브리드 시스템, 협업 필터링
