• 한국산학기술학회:학술대회논문집
• /
• 한국산학기술학회 2003년도 Proceeding
• /
• pp.105-110
• /
• 2003

Collaborative filtering is one of the methodologies that are most widely used for recommendation system. It is based on a data matrix of each customer's preferences of products. There could be a lot of missing values in such preference. data matrix. This incomplete data is one of the reasons to deteriorate the accuracy of recommendation system. Multiple imputation method imputes m values for each missing value. It overcomes flaws of single imputation approaches through considering the uncertainty of missing values.. The objective of this paper is to suggest multiple imputation-based collaborative filtering approach for recommendation system to improve the accuracy in prediction performance. The experimental works show that the proposed approach provides better performance than the traditional Collaborative filtering approach, especially in case that there are a lot of missing values in dataset used for recommendation system.

• 한국컴퓨터정보학회논문지
• /
• 제23권7호
• /
• pp.11-17
• /
• 2018

In this paper, we propose how to improve the lack of diversity in collaborative filtering, using tag scores contained in items rather than ratings of items. Collaborative filtering has excellent performance among recommendation system, but it is evaluated as lacking diversity. In order to solve this problem, this paper proposes a method for supplementing diversity lacking in collaborative filtering by using tags. By using tags that can be used universally without using the characteristics of specific articles in a recommendation system, The proposed method can be used.

• 창의정보문화연구
• /
• 제4권3호
• /
• pp.221-230
• /
• 2018

추천 시스템의 주요 방법인 협력 필터링 기술은 실제 상업용 온라인 시스템에서 성공적으로 구현되어 서비스가 제공되고 있다. 그러나, 이 기술은 본질적으로 여러 가지 단점을 내포하는데, 데이터 희소성, 콜드 스타트, 확장성 문제 등이 그 예이다. 확장성 문제를 해결하기 위하여 클러스터링 기법을 활용한 협력 필터링 방법이 연구되어 왔다. 본 연구에서 제안하는 협력 필터링 시스템에서는 가장 널리 활용되는 클러스터링 기법들 중 하나인 K-means 알고리즘의 단점을 개선하고자 유전자 알고리즘을 이용한다. 또한, 기존 연구에서 최적화된 클러스터링 결과를 추구하였던 것과는 달리, 제안 방법은 클러스터링 결과를 활용한 협력 필터링 시스템 성능의 최적화를 목표로 하므로, 실질적으로 시스템의 성능을 향상시킬 수 있다.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.273-280
• /
• 2003

추천 시스템은 구매할 상품을 사용자가 찾는 것을 도와주는 시스템이다. 추천 시스템에서 사용되고 있는 여러 가지 방법 중에 대표적인 방법인 협력적 여과는 유사한 사용자들에 기초하여 그 사용자들이 선호하는 상품을 교차 추천해주는 방법이다. 사용자들에 대한 정보는 상품을 평가한 등급에 기초하고, 유사한 사용자는 평가 패턴의 유사성으로 판단된다. 순수한 협력적 여과는 사용자가 증가함에 따라서 평가 자료의 차원이 증가한다. 평가 자료의 고차원성은 자료의 희소성을 증가시켜 협력적 여과의 성능이 저하되는 문제점을 가지고 있다. 따라서, 본 논문에서는 SVD를 이용하여 평가 자료의 차원을 감소시켜 희소성을 최소화하는 방법을 고찰하며, 협력적 여과에 미치는 영향을 실험적으로 제시한다. 결과적으로 SVD를 이용한 협력적 방법은 순수한 협력적 여과 방법과 비교하여 충분히 정확한 성능을 보였다.

• 지능정보연구
• /
• 제14권1호
• /
• pp.101-115
• /
• 2008

일반적으로 혼합 추천 시스템(hybrid recommender system)이란 협업적 여과 방법(collaborative filtering)을 다른 기술들과 결합하여 사용하여 사용자가 원하는 정보를 손쉽게 찾을 수 있도록 도와주는 시스템이다. 협업적 여과 방법과 결합된 혼합 시스템은 대체로 내용이 유사한 아이템들이 추천 되어 전반적인 아이템 추천 성능 및 새로이 추가된 아이템에 대한 추천의 질이 떨어지는 문제가 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 다양성(diversity)을 고려한 새로운 혼합 추천 시스템을 제안한다. 제안된 시스템에서는 첫 번째 단계로 협업적 여과 방법으로부터 추천된 아이템들 간의 비유사도를 측정한다. 두 번째 단계로는 첫 번째 단계에선 추천된 비유사도가 높은 아이템들을 내용 기반의 여과 방법(content-based filtering)에 적용하여 새로운 아이템에 대한 추천 성능을 향상 시킨다. 제안된 방법의 성능 평가를 위해 movielens 데이터를 이용하여 기존의 내용기반 추천 시스템 및 단순 혼합 시스템과 비교 평가하였다. 실험 결과 제안된 방법이 내용기반 추천 시스템 및 단순 혼합시스템보다 높은 추천 성능을 보였다.

• Journal of information and communication convergence engineering
• /
• 제17권2호
• /
• pp.135-141
• /
• 2019

Collaborative filtering algorithms often encounter data sparsity issues. To overcome this issue, auxiliary information of relevant items is analyzed and an item attribute matrix is derived. In this study, we combine the user-item attribute preference with the traditional similarity calculation method to develop an improved similarity calculation approach and use weights to control the importance of these two elements. A collaborative filtering algorithm based on user-item attribute preference is proposed. The experimental results show that the performance of the recommender system is the most optimal when the weight of traditional similarity is equal to that of user-item attribute preference similarity. Although the rating-matrix is sparse, better recommendation results can be obtained by adding a suitable proportion of user-item attribute preference similarity. Moreover, the mean absolute error of the proposed approach is less than that of two traditional collaborative filtering algorithms.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1156-1157
• /
• 2013

The mobile application market has been growing extensively in recent years. Currently, Apple's App Store has more than 400,000 applications and Google's Android Market has above 150,000 applications. Such growth in volumes of mobile applications has created a need to develop a recommender system that assists the users to take the right choice, when searching for a mobile application. In this paper, we study the recommendation system building tools based on collaborative filtering. Specifically, we present a study on comparison analysis of collaborative filtering in Java and R statistical software. We implement the collaborative filtering using Java's Apache Mahout and R's recommenderlab package. We evaluate both methods and describe the advantages and disadvantages of using them in order to implement collaborative filtering.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2003년도 컴퓨터소사이어티 추계학술대회논문집
• /
• pp.175-178
• /
• 2003

Two defects have been pointed out in existing user-based collaborative filtering such as sparsity and scalability, and the research has been also made progress, which tries to improve these defects using item-based collaborative filtering. Actually there were many results, but the problem of sparsity still remains because of being based on an explicit data. In addition, the issue has been pointed out. which attributes of item arenot reflected in the recommendation. This paper suggests a recommendation method using nave Bayesian algorithm in hybrid user and item-based collaborative filtering to improve above-mentioned defects of existing item-based collaborative filtering. This method generates a similarity table for each user and item, then it improves the accuracy of prediction and recommendation item using naive Bayesianalgorithm. It was compared and evaluated with existing item-based collaborative filtering technique to estimate the accuracy.

• Journal of the Korean Data and Information Science Society
• /
• 제14권3호
• /
• pp.441-450
• /
• 2003

Collaborative filtering is one of the most widely used methodologies for recommendation system. Collaborative filtering is based on a data matrix of each customer's preferences and frequently, there exits missing data problem. We introduced two imputation approach (multiple imputation via Markov Chain Monte Carlo method and multiple imputation via bootstrap method) to improve the prediction performance of collaborative filtering and evaluated the performance using EachMovie data.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.385-386
• /
• 2020

In this paper, we propose a collaborative filtering recommendation algorithm based on the LDA2Vec topic model. By extracting and analyzing the article's content, calculate their semantic similarity then combine the traditional collaborative filtering algorithm to recommend. This approach may promote the system's recommend accuracy.