최근 디지털 컨텐츠와 컨텐츠 사용자의 기하 급수적인 증가와 함께 recommender 시스템이 주목을 받으며 많은 응용 프로그램에 적용되고 있는 가운데, recommender 시스템의 확장성과 대체적으로 이와 반비례하는 정확성이 이슈가 되고 있다. 본 논문에서는 recommender 시스템 모델 중 하이브리드 모델의 매트릭스를 제거하고 아이템의 특성을 정하기 위해 클러스터링 기술을 사용한 Scalable Hybrid Recommender System을 제안한다. 제안된 모델은 recommender 시스템의 확장성과 정확성을 향상시키기 위해서 아이템에 대한 사용자의 평가 정보, demographic 정보와 구체적인 시간 정보를 사용한다. Reduction 기술 사용을 통해 Item-feature 매트릭스의 사이즈를 축소하고, 사용자 demographic 정보를 사용하여 temporal aware hybrid user model을 만든 후, 비슷한 정보를 가진 사용자간 클러스터링을 통해, 가장 유사한 정보를 가진 사용자들을 추출하여, 사용자간 정보를 비교함으로써 사용자가 원하는 아이템의 특성을 예상하고 사용자에게 N개의 아이템을 추천함으로써, 기존의 recommender 시스템보다 더욱 향상된 결과를 도출해 낼 수 있는 알고리즘을 제시하였다.
KSII Transactions on Internet and Information Systems (TIIS)
/
제17권3호
/
pp.721-739
/
2023
Rating prediction is an important issue in recommender systems, and its accuracy affects the experience of the user and the revenue of the company. Traditional recommender systems use Factorization Machinesfor rating predictions and each feature is selected with the same weight. Thus, there are problems with inaccurate ratings and limited data representation. This study proposes a deep recommendation model based on self-attention Factorization (SAFMR) to solve these problems. This model uses Convolutional Neural Networks to extract features from user and item reviews. The obtained features are fed into self-attention mechanism Factorization Machines, where the self-attention network automatically learns the dependencies of the features and distinguishes the weights of the different features, thereby reducing the prediction error. The model was experimentally evaluated using six classes of dataset. We compared MSE, NDCG and time for several real datasets. The experiment demonstrated that the SAFMR model achieved excellent rating prediction results and recommendation correlations, thereby verifying the effectiveness of the model.
Kim, Jinah;Park, Junhee;Shin, Minchan;Lee, Jihoon;Moon, Nammee
Journal of Information Processing Systems
/
제17권4호
/
pp.707-720
/
2021
To improve the accuracy of the recommendation system, multi-criteria recommendation systems have been widely researched. However, it is highly complicated to extract the preferred features of users and items from the data. To this end, subjective indicators, which indicate a user's priorities for personalized recommendations, should be derived. In this study, we propose a method for generating recommendation candidates by predicting multi-criteria ratings from reviews and using them to derive user priorities. Using a deep learning model based on convolutional neural network (CNN) and bidirectional long short-term memory (BiLSTM), multi-criteria prediction ratings were derived from reviews. These ratings were then aggregated to form a linear regression model to predict the overall rating. This model not only predicts the overall rating but also uses the training weights from the layers of the model as the user's priority. Based on this, a new score matrix for recommendation is derived by calculating the similarity between the user and the item according to the criteria, and an item suitable for the user is proposed. The experiment was conducted by collecting the actual "TripAdvisor" dataset. For performance evaluation, the proposed method was compared with a general recommendation system based on singular value decomposition. The results of the experiments demonstrate the high performance of the proposed method.
KSII Transactions on Internet and Information Systems (TIIS)
/
제14권2호
/
pp.538-561
/
2020
Recommender Systems (RecSys) have a major role in e-commerce for recommending products, which they may like for every user and thus improve their business aspects. Although many types of RecSyss are there in the research field, the state of the art RecSys has focused on finding the user similarity based on sequence (e.g. purchase history, movie-watching history) analyzing and prediction techniques like Recurrent Neural Network in Deep learning. That is RecSys has considered as a sequence prediction problem. However, evaluation of similarities among the customers is challenging while considering temporal aspects, context and multi-component ratings of the item-records in the customer sequences. For addressing this issue, we are proposing a Deep Learning based model which learns customer similarity directly from the sequence to sequence similarity as well as item to item similarity by considering all features of the item, contexts, and rating components using Dynamic Temporal Warping(DTW) distance measure for dynamic temporal matching and 2D-GRU (Two Dimensional-Gated Recurrent Unit) architecture. This will overcome the limitation of non-linearity in the time dimension while measuring the similarity, and the find patterns more accurately and speedily from temporal and spatial contexts. Experiment on the real world movie data set LDOS-CoMoDa demonstrates the efficacy and promising utility of the proposed personalized RecSys architecture.
This paper proposes a hybrid recommendation system (RS) model that overcomes the limitations of traditional approaches such as data sparsity, cold start, and scalability by combining collaborative filtering and context-aware techniques. The objective of this model is to enhance the accuracy of recommendations and provide personalized suggestions by leveraging the strengths of collaborative filtering and incorporating user context features to capture their preferences and behavior more effectively. The approach utilizes a novel method that combines contextual attributes with the original user-item rating matrix of CF-based algorithms. Furthermore, we integrate k-mean++ clustering to group users with similar preferences and finally recommend items that have highly rated by other users in the same cluster. The process of partitioning is the use of the rating matrix into clusters based on contextual information offers several advantages. First, it bypasses of the computations over the entire data, reducing runtime and improving scalability. Second, the partitioned clusters hold similar ratings, which can produce greater impacts on each other, leading to more accurate recommendations and providing flexibility in the clustering process. keywords: Context-aware Recommendation, Collaborative Filtering, Kmean++ Clustering.
추천시스템은 기업의 매출을 최대화 하기 위해, 사용자에게 관심도가 높은 제품을 제공해준다. 행렬 분해법은 추천시스템에서 자주 사용되는 방법으로 불완전한 사용자-제품 평점 행렬을 기반으로 한다. 하지만 제품과 사용자의 수가 점점 많아지면서, 데이터의 희소성문제로 인해 정확한 추천이 힘들어졌다. 이러한 문제점을 극복하기 위해, 제품과 관련된 텍스트 데이터를 사용하는 행렬 분해법 알고리즘이 최근에 제시되었다. 이런 행렬 분해법 알고리즘 중, 단어 수준 컨볼루션 뉴럴 네트워크를 사용하는 방법이 단어수준 특징들을 추출하여 텍스트 데이터를 효과적으로 반영한다. 하지만 단어수준 컨볼루션 뉴럴 네트워크에서는 학습해야 하는 파라미터의 수가 많다는 문제점이 있다. 그러므로 본 논문에서는 텍스트 데이터로부터 문자 수준 특징들을 뽑아 내기 위해 문자 수준 컨볼루션 뉴럴 네트워크를 사용하는 행렬분해법을 제안한다. 또한 제안하는 행렬 분해법의 성능을 검증하기 위해 실제 데이터를 이용하여 실험을 진행하였다.
연구목적 본 연구에서는 섬망 증상 조절을 위한 항정신병약물 처방에 영향을 주는 임상적 특징을 알아보고자 한다. 방 법 연세대학교 원주세브란스 기독병원에 입원하여 정신건강의학과에 협진 의뢰된 환자 중, 일반신체질환에 의한 섬망으로 진단된 185명을 대상으로 후향적 의무기록을 조사하였다. 항정신병약물을 사용한 군과 사용하지 않은 군으로 구분하여 임상적 특성을 비교 분석하였다. 결 과 항정신병약물 사용군은 129명(66.5%)으로 정신과약물 사용력이 많았다. 특히 벤조디아제핀계 약물 사용력에서 두 군 간에 유의미한 차이를 보였다. 섬망평가척도 대다수에서 항정신병약물 사용군이 높은 점수를 보였다. 결 론 항정신병약물 사용군은 섬망의 외현 증상이 두드러지며 기저에 벤조디아제핀계 약물 복용력이 높았다. 이는 벤조디아제핀이 섬망의 경과와 외현 증상에 영향을 주었을 가능성이 있다. 임상 현장에서 예후에 영향을 줄 수 있는 섬망의 임상적 특징에 대한 이해가 축적되어야 할 것이다.
■ Objectives The purpose of this case study is to report the effect of Gami SSanghwa-tang on a patient with central post-stroke pain. ■ Methods The patient was treated with herbal medicine Gami SSanghwa-tang, acupuncture, pharmaco-acupuncture, and moxibustion. The treatment effect was evaluated by Numerical Rating Scale(NRS), Neuropathic Pain Symptom Inventory(NPSI), and 36-item Short-form Health Survey(SF-36). ■ Results After the treatment, the NRS score of pain intensity was reduced from moderate to mild degree. The total NPSI score and subscores also decreased, as the various features of the pain were relieved. The SF-36 score increased, as the patient's quality of life improved. ■ Conclusion This case study suggests that Gami SSanghwa-tang, could be effective in reducing pain and improving quality of life of patients suffering from central post-stroke pain.
오늘날 컴퓨팅 환경의 진보와 웹의 이용이 활발해짐에 따라 오프라인에서 이루어졌던 있었던 많은 서비스들과 상품의 제공이 웹에서 이루어지고 있다. 이러한 웹 기반 서비스 및 상품은 개인에 적합하게 취사선택되어 제공되는 추세이다. 이렇듯 개인에 적합한 서비스 및 상품의 선택과 제공을 위한 패러다임을 개인화(personalization)라 한다. 개인화된 서비스 및 상품의 제공을 위한 분야로서 연구된 것이 추천(recommendation)이다. 그러나 이러한 추천 기법들은 신규 사용자에게 적합한 추천을 제공하지 못하는 문제와 사용자의 상품에 대한 평점에만 의존하여 추천을 생성한다는 계산 공간에서의 제약 사항을 가지고 있다. 두 문제 모두 추천 분야에서 지속적인 관심을 보이는 분야로서 신규사용자 추천 문제의 경우는 신규 사용자의 평점이 없기 때문에 유사 사용자들을 분류할 수 없음에 기인한다. 그리고 추천 공간 제약에 따른 문제는 추천 차원의 추가에 따른 처리 비용이 급격히 증가한다는 문제를 가지고 있기 때문에 쉽게 접근하기 어렵다. 따라서 본 논문에서는 신규사용자 추천 향상을 위한 기법과 평점 예측 시 예측에 대한 가중치를 적용하는 기법을 제안한다.
구강내과에 내원하는 환자에 대한 역학 연구가 1970년대 이후로 계속 이루어져 왔으며, 대부분이 대학병원내의 구강내과를 중심으로 이루어져 왓다. 구강내과가 개설한 이후에 많은 전문인력이 배출되었으며, 치과의 각계 각층에서 활발한 활동을 보여주고 있다. 치과병원이 대형화되어가는 추세에 있어 대학병원급이 아닌 2차 진료기관에서의 구강내과의 역할이 새삼 부각되고 있다. 이렇듯 대형치과병원이나 종합병원내의 치과병원에 구강내과가 개설됨에 따라 2차 진료기관에서의 구강내과 환자의 내원 분석이나 환자의 특성, 환자의 구성 등에 대한 연구가 전무함에 이에 대한 연구가 필요하리라 생각하여 대전 선병원 구강내과에 내원하는 환자 100명에게 설문지 작성을 통한 역학 조사를 실시하여 다음의 결과를 얻었다. 1. 썬병원 구강내과 환자의 평균나이는 $29.21{\pm}11.31$(n=100)세 였으며, 여자 71명(평균나이 $29.63{\pm}11.29$세) 남자 29명(평균나이 $28.17{\pm}11.48$세)였으며, 최종학력은 고등졸 이상이 78%로 고학력을 지니고 있었다..현재 불편해 하는 증상은 턱관절 통증이 65%으로 제일 많았으며 내원하게 된 동기는 인터넷 검색 11%, 방송매체 10% 주변사람의 소개가 38% 였으며, 같은 불편감으로 다른 병원을 내원한 경험이 있는경우가 56%이었다. 본병원에 가도록 의뢰한 다른 병원은 치과의원은 20%를 나타내었으며, 현재의 불편감이 구강내과에서 진료받아야 하는 지 사전에 인지하고 있는 경우는 38%, 그렇지 않은 경우는 62%였으며 응답한 대상자의 51%가 한달 안쪽에 그 사실을 알게 되었다고 응답하였다. 2. 두경부에의 동통은 58%에서 호소 하였으며, 이러한 통증으로 인하여 일상 생활에 지장이있다고 대답한 경우는 22%였다. 지속적인 통증은 14% 간헐적인 통증은 68%에서 나타났으며, 통증의 성질은 둔한 통증이 23%였다. 3. 사회재적응 평가 척도를 이용한 생활 변화량의 비교에서는 3년이내의 변화량에서 두경부 동통이 있는군과 없는 군사이에 유의성을 보였으며 6개월이내의 변화량에서는 유의성을 보이지 않았다. 4. 일주일간 겪었던 일에 대한 설문에서는 동통이 있는 군과 아닌 군의비교에서 일주일동안 긴장감을 지닌 날의 수와 예전부터 즐겨 하던 일의감소, 갑작스런 공포를 느낌 항목에서 유의성을 보였으며, 기분이 즐겁고 들뜨다 항목과 외모에의 관심 감소항목에서는 유의한 차이를 보이지는 않았으나 유의함에 근접하였다 5. 조급함을 평가하는 설문지에서는 동통군이 비록 약간 더 상승을 보였으나 통계학적으로 유의한 차이를 나타내지는 않았다. 6. 스트레스로 인한 증상 발현은 잇몸에 근질거리는 감각이나 이가솟는 듯한 느낌의 잇몸 증상과 뒷머리가 당기거나 목덜미가 뻣뻣하다의 항목 에서 두경부 동통군과 비동통군 사이에 유의한 차이를 보였으며 볼안쪽이나 잇몸에 껍질이 벗겨지면서 피가 남의 항목과 스트레스시 여드름 뾰로지, 두통의 항목에서 유의성은 보이지 않았으나 유의수준에 근접하였다.
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.