Collaborative Filtering is limited because of the cost that is required to perform the recommendation (such as the time complexity and space complexity). The RFWBP (Rating Frequency Weight-based Baseline Predictor) that approximates the precision of the existing methods is one of the efficiency methods to reduce the cost. But, the following issues need to be considered regarding the RFWBP: 1) It does not reduce the error because the RFWBP does not learn for the recommendation, and 2) it recommends all of the items because there is no condition for an appropriate recommendation list when only the RFWBP is used for the achievement of efficiency. In this paper, the BBP (Bias-Based Predictor) is proposed to solve these problems. The BBP reduces the error range, and it determines some of the cases to make an appropriate recommendation list, thereby forging a recommendation list for each case.
In recent years, there has been increasing interest in recommender systems which provide users with personalized suggestions for products or services. In particular, researches of collaborative filtering analyzing relations between users and items has become more active because of the Netflix Prize competition. This paper presents the reinforcement learning approach for collaborative filtering. By applying reinforcement learning techniques to the movie rating, we discovered the connection between a time sequence of past ratings and current ratings. For this, we first formulated the collaborative filtering problem as a Markov Decision Process. And then we trained the learning model which reflects the connection between the time sequence of past ratings and current ratings using Q-learning. The experimental results indicate that there is a significant effect on current ratings by the time sequence of past ratings.
The future will see all industries become technology-driven in the competitive global market place. Firms with deep technological roots and innovation strategies have some advantages. In this situation widely used scoring approach is not enough to evaluate technology's relative competitiveness and to assign relative ranking category. Therefore, a more useful and comprehensive approach, which is called technology composite index, is needed to complement and enhance the existing scoring approach. In this research, factor analysis is applied to determine the common factors and to estimate associated weights. And technology composite index is used to measure the technology's relative strength and also to assign its ranking category instead of technology scoring.
Recommender systems use data from customers to suggest personalized products. The recommender systems can be categorized into three cases; collaborative filtering, contents-based filtering, and hybrid recommender system that combines the first two filtering methods. In this work, we introduce and compare deep learning-based recommender system using autoencoder. Autoencoder is an unsupervised deep learning that can effective solve the problem of sparsity in the data matrix. Five versions of autoencoder-based deep learning models are compared via three real data sets. The first three methods are collaborative filtering and the others are hybrid methods. The data sets are composed of customers' ratings having integer values from one to five. The three data sets are sparse data matrix with many zeroes due to non-responses.
Journal of the Korea Academia-Industrial cooperation Society
/
v.15
no.5
/
pp.3025-3036
/
2014
This study was conducted to figure out the influential factors on premenstrual syndrome(PMS) of college female students which are to be utilized as the basic data to develop and apply programs for preventing and controlling such symptom. The subjects were 330 college female students. The data were collected from April 2, 2012 to April 6, 2012. From the results, There has been significant correlation between stress and PMS(r=.36, p<.001) and the attitude to menstruation has appeared to have significant positive correlation with PMS as well(r=.34, p<.001). Multiple regression analysis has been employed to identify the influential factors on PMS and the result has shown that menstrual attitude, grade point average for stress, smoking and dysmenorrhea have been the most significant influential factors with 27% of explanatory power. The level of significance has been high in menstrual attitude(${\beta}$=.28, p<.001), grade point average for stress(${\beta}$=.27, p<.001), smoking(${\beta}$=.20, p<.001) and dysmenorrhea(${\beta}$=.15, p<.001) respectively. In conclusion, it needs to find nursing interventions for PMS related to psychosocial factors and suggest a narrative study for improving quality of life of women with PMS.
본 연구는 산업간호사가 수행하는 산업간호업무 수행실태를 파악하고 업무수행에 영향을 미치는 요인이 무엇인지를 직무만족도와 지식의 측면에서 조사 분석하기 위한 목적으로 이 연구를 시도하였다. 연구방법은 1991년 4월 26일 부터 5일 3일까지의 총 8일간 서울시내에 소재하고 있는 사업체의 산업간호사 77명을 대상으로 연구자와 조사자 1명이 직접방문을 하여 자료수집 하였다. 자료는 SPSS를 이용하여 전산처리 하였다. 실수와 백분율, 평균 표준편차를 구하였으며, Pearson Correlation Coefficient, ANOVA 분석방법올 활용하였다. 본 연구의 결과는 다음과 같다. 1. 산업 간호업무 수행 정도는 근로자건강관리업무 중의 통상질환관리 업무를 대상자의 97.6%가 실시하여 수행정도가 가장 높았고, 가장 수행정도가 낮은 업무는 근로자복리중 진업무로 대상자의 40.2%만이 실시하고 있었다. 산업환경위생관리업무(실시율 45.5%), 직업병 관리업무(실시율 43.1%), 산업보건교육업무(실시율41.5%)로 역시 낮은 실시율을 보였다. 2. 산업간호사 직무만족도는 최대가능점수 240점에 대하여 점수 143.8점이며 최대평점 5점에 평점 3.0으로 나타났고 상호작용, 전문적위치, 자율성면에서 3.4점으로 높았으며 보수에 관한 만족도는 평점 2.3으로 가장 낮아 산업간호사들이 보수에 대해 불만족하고 있는 것으로 나타났다. 3. 산업간호사의 산업간호업무 관계지식정도는 최대가능점수 21점에 대하여 점수 17.9점을 나타내었다. 영역별로 가장 많이 알고 있는 지식은 건강관리실운영업무 관계지식으로 정확하게 알고있는 사람이 63명으로 전체의 81.4%이었고, 가장 낮게 알고 있는 지식은 산업환경위생관리 업무 관계지식으로 정답자는 42명(54.2%)이었다. 4. 산업간호업무 수행정도와 직무만족도 및 지식정도와의 상관관계를 분석하여 본 결과 직무만족도가 높을수록 업무수행정도가 높은 것으로 나타났고 (r=.3010, P<.01), 업무수행정도와 지식정도 역시 순상관관계 (r=.2591, P<.05)가 있음이 통계적으로 유의하여 지식정도가 높을수록 업무수행정도가 높음을 알 수 있었다. 그러나 직무만족도와 지식정도는 상관관계가 없었다. 결론적으로 연구에서 나타난 산업 간호사의 업무수행은 통상질환관리 위주의 업무로서 직업병 예방, 산업보건교육, 산업환경위생관리 업무등에는 수행이 미비한 것으로 나타났으며, 업무수행과 직무만족도 및 지식정도는 순상관관계가 있어 직무만족도와 지식정도가 높을수록 업무수행이 높은 것으로 나타났다.
The RMR ratings, one by horizontal pre-boring in a tunnel and another by tunnel face mapping, are compared at the fault zone in a tunnel. Generally. the horizontal pre-borings were so effective as to forecast reasonably the supporting patterns after tunnel excavation. But the maximum difference in RMR ratings estimated by two methods was about 50 at a certain section of a tunnel. The differences were analyzed on each parameter of the RMR system: the rating differences were 24 in the condition of discontinuities, 15 in the RQD and 13 in the uniaxial compressive strength of rock. To minimize the gap between RMR by pre-borings and by face mappings, it is necessary to select the horizontal pre-boring location where tunnel stability could be critical and to evaluate in detail the sub-parameters of the condition of discontinuities.
Journal of the Korean Data and Information Science Society
/
v.25
no.4
/
pp.727-736
/
2014
The fundamental concerns of this paper are to analyze the effects of some characteristics on the employment of new college graduated students in viewpoint of data visualization. We use individual and department characteristic data of K-university graduated students in 2010. We apply multiple correspondence analysis, decision tree analysis, association rules and social network analysis for data visualization. The results of the analysis are summarized as follows. First, an analysis of the determinants of employment shows that GPA, department category, age and number of majors, recruiting time affect the employment rate. Second, higher GPA and natural category of department positively affect the employment rate. Finally, low age, single major and early recruiting time also positively affect the employment rate.
The Journal of the Korea institute of electronic communication sciences
/
v.16
no.5
/
pp.899-908
/
2021
Since the modern weapon system is composed of a complex system, it is quite difficult to derive the priority of performance improvement factors. In addition, research on the method for prioritizing quantitative performance improvement factors considering the opinions of stakeholders is insufficient. In this study, in order to quantitatively derive the priorities of performance improvement factors for K1 tanks and K2 tanks, a survey was conducted with experts with experience in tank development, and the preface data was analyzed using AHP, scoring method, and TOPSIS methods. As a result, priorities were quantitatively derived. The results of this study are expected to be used as decision-making indicators for stakeholders in the future weapon system development and performance improvement stage.
Yihua Zhang;Qinglong Li;Ilyoung Choi;Jaekyeong Kim
Information Systems Review
/
v.23
no.1
/
pp.155-172
/
2021
With the recent increase in online product purchases, a recommender system that recommends products considering users' preferences has still been studied. The recommender system provides personalized product recommendation services to users. Collaborative Filtering (CF) using user ratings on products is one of the most widely used recommendation algorithms. During CF, the item-based method identifies the user's product by using ratings left on the product purchased by the user and obtains the similarity between the purchased product and the unpurchased product. CF takes a lot of time to calculate the similarity between products. In particular, it takes more time when using text-based big data such as review data of Amazon store. This paper suggests a hybrid recommendation system using a 2-phase methodology and text data mining to calculate the similarity between products easily and quickly. To this end, we collected about 980,000 online consumer ratings and review data from the online commerce store, Amazon Kinder Store. As a result of several experiments, it was confirmed that the suggested hybrid recommendation system reflecting the user's rating and review data has resulted in similar recommendation time, but higher accuracy compared to the CF-based benchmark recommender systems. Therefore, the suggested system is expected to increase the user's satisfaction and increase its sales.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.