• Journal of Information Technology Applications and Management
• /
• 제30권4호
• /
• pp.29-38
• /
• 2023

A single-learner model which integrates the user's positive and negative perceptions is proposed by augmenting counterfactual data to the interaction data between users and items, which are mainly used in collaborative filtering in this study. The proposed CausRec showed superior performance compared to the existing NCF model in terms of F1 value and AUC in experiments using three published datasets: MovieLens 100K, Amazon Gift Card, and Amazon Magazine. Compared to the existing NCF model, the F1 and AUC values of CausRec showed 1.2% and 2.6% performance improvement in MovieLens 100K data, and 2.2% and 10% improvement in Amazon Gift Card data, respectively. In particular, in experiments using Amazon Magazine data, F1 and AUC values were improved by 11.7% and 21.9%, respectively, showing a significant performance improvement effect. The performance of CausRec is improved because both positive and negative perceptions of the item were reflected in the recommendation at the same time. It is judged that the proposed method was able to improve the performance of the collaborative filtering because it can simultaneously alleviate the sparsity and imbalance problems of the interaction data.

• Korean Journal of Radiology
• /
• 제2권3호
• /
• pp.159-163
• /
• 2001

Objective: The purpose of this study is to correlate the findings of peripheral hypoechoic rim, seen at transrectal ultrasonography (TRUS) in chronic prostatitis patients, with the histopthologic findings. Materials and Methods: Seven patients with pathologically proven chronic prostatitis were involved in this study. The conspicuity of the peripheral hypoechoic prostatic rim, seen at TRUS, was prominent and subtle, and to determine its histopathologic nature, the microscopic findings were reviewed. Results: In five of seven cases (71%), TRUS demonstrated a prominent peripheral hypoechoic rim. Microscopic examination revealed that inflammatory cell infiltration of prostatic glandular tissue was severe in three cases (42.9%), moderate in two (28.6%), and minimal in two (28.6%). In all seven cases, the common histopathologic findings of peripheral hypoechoic rim on TRUS were loose stromal tissues, few prostatic glands, and sparse infiltration by inflammatory cells. Conclusion: The peripheral hypoechoic rim accompanying prostatic inflammation and revealed by TRUS reflects a sparsity of prostate glandular tissue and is thought to be an area in which inflammatory cell infiltration is minimal.

• 지능정보연구
• /
• 제20권2호
• /
• pp.137-148
• /
• 2014

상품 검색시간의 단축과 쇼핑에 투입되는 노력의 감소 등, 온라인 쇼핑이 주는 장점에 대한 긍정적인 인식이 확산되면서 전자상거래(e-commerce)의 중요성이 부각되는 추세이다. 전자상거래 기업들은 고객확보를 위해 다양한 인터넷 고객관계 관리(eCRM) 활동을 전개하고 있는데, 개인화된 추천 서비스의 제공은 그 중 하나이다. 정확한 추천 시스템의 구축은 전자상거래 기업의 성과를 좌우하는 중요한 요소이기 때문에, 추천 서비스의 정확도를 높이기 위한 다양한 알고리즘들이 연구되어 왔다. 특히 협업필터링(collaborative filtering: CF)은 가장 성공적인 추천기법으로 알려져 있다. 그러나 고객이 상품을 구매한 과거의 전자상거래 기록을 바탕으로 미래의 추천을 하기 때문에 많은 단점들이 존재한다. 신규 고객의 경우 유사한 구매 성향을 가진 고객들을 찾기 어렵고 (Cold-Start problem), 상품 수에 비해 구매기록이 부족할 경우 상관관계를 도출할 데이터가 희박하게 되어(Sparsity) 추천성능이 떨어지게 된다. 취향이 독특한 사용자를 뜻하는 'Gray Sheep'에 의한 추천성능의 저하도 그 중 하나이다. 이러한 문제인식을 토대로, 본 연구에서는 소셜 네트워크 분석기법 (Social Network Analysis: SNA)과 협업필터링을 결합하여 데이터셋의 특이 취향 사용자 (Gray Sheep) 문제를 해소하는 방법을 제시한다. 취향이 독특한 고객들의 구매데이터를 소셜 네트워크 분석지표를 활용하여 전체 데이터에서 분리해낸다. 그리고 분리한 데이터와 나머지 데이터인 두 가지 데이터셋에 대하여 각기 다른 유사도 기법과 트레이닝 셋을 적용한다. 이러한 방법을 사용한 추천성능의 향상을 검증하기 위하여 미국 미네소타 대학 GroupLens 연구팀에 의해 수집된 무비렌즈 데이터(http://movielens.org)를 활용하였다. 검증결과, 일반적인 협업필터링 추천시스템에 비하여 이 기법을 활용한 협업필터링의 추천성능이 향상됨을 확인하였다.

• 한국정보통신학회논문지
• /
• 제17권10호
• /
• pp.2252-2258
• /
• 2013

본 논문에서는 복수측정벡터 환경에서 성긴 신호의 복원을 위하여 널리 사용되고 있는 Simultaneous orthogonal matching pursuit (S-OMP) 기술을 보완한 병렬 OMP 기법을 제안하고 그 성능을 분석한다. Parallel orthogonal matching pursuit(POMP) 알고리즘은 간단하지만 성능면에서 매우 효과적이다. 제안된 병렬 OMP알고리즘은 첫 번째 반복 과정에서 관찰 행렬과 상관도가 높은 인덱스 집합을 여러 개 (M) 선택한다. 그 후, 선택된 각각의 인덱스를 첫 번째 인덱스로 하는 각 병렬 OMP블록에서 S-OMP 알고리즘 기법이 병렬적으로 동작한다. 마지막으로 입력된 신호 복원을 위해 잔차가 가장 작은 POMP블록의 인덱스 집합을 선택한다. 컴퓨터 시뮬레이션을 통해 100%복원 가능한 sparsity 개수가 기존의 S-OMP 기법에 비해 M이 증가함에 따라 향상되는 것을 확인했으며, 평균 제곱 오차 측면에서도 SNR에 상관없이 성능 개선효과가 있음을 확인하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제4권9호
• /
• pp.289-296
• /
• 2015

정보의 폭발적인 증가로 사용자들은 원하는 정보를 빠른 시간에 얻는 것이 힘들어졌다. 따라서 이 문제를 해결하기 위한 다양한 방식의 새로운 서비스들이 제공되고 있다. 개인에게 맞는 맞춤 서비스를 제공하는 것이 중요하게 부각되면서 개인화 추천 시스템이 매우 중요하게 되었다. 추천 시스템 중 협업 필터링은 추천 시스템에서 널리 사용되고 있고 개인화 추천 시스템 중에서 가장 성공적인 방법이다. 협업 필터링 방법은 고객들의 프로파일 정보를 기반으로 추천을 하므로 희박성 문제와 cold-start 문제가 있다. 본 논문에서는 개인에게 더 정확하게 추천하기 위해 협업 필터링 기법과 상황기반 기법을 함께 이용하는 방법을 제안한다. 상황기반 기법은 사용자를 둘러싼 시간, 감정, 장소 등과 같은 환경을 고려하여 사용자에게 맞는 아이템을 추천하는 방법으로 상황에 따라 달라지는 사용자의 선호도를 반영할 수 있다. 본 논문에서는 상황기반 기법을 활용하기 위해 상황정보로 감정을 이용하며 이를 위해 개인의 주관적인 정보를 파악하는 데 효과적인 영화 리뷰를 이용한다. 본 논문에서 제안한 방법은 기존의 협업 필터링 방법보다 성능평가 결과, 향상된 성능을 보였다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제24권2호
• /
• pp.93-98
• /
• 2018

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.

• 디지털콘텐츠학회 논문지
• /
• 제16권4호
• /
• pp.605-613
• /
• 2015

본 논문은 패턴인식에서 자주 사용되는 투영행렬을 희소화하는 문제를 다룬다. 최근 임베디드 시스템이 널리 사용됨에 따라 탑재되는 프로그램의 용량이 제한받는 경우가 빈번히 발생한다. 개발된 프로그램은 상수 데이터를 포함하는 경우가 많다. 예를 들어, 얼굴인식과 같은 패턴인식 프로그램의 경우 고차원 벡터를 저차원 벡터로 차원을 축소하는 투영행렬을 사용하는 경우가 많다. 인식성능 향상을 위해 영상으로부터 매우 높은 차원의 고차원 특징벡터를 추출하는 경우 투영행렬의 사이즈는 매우 크다. 최근 라소 회귀분석 방법을 이용한 RSR(rotated sparse regression) 방법론[1]이 제안되었다. 이 방법론은 여러 실험을 통해 희소행렬을 구하는 가장 우수한 알고리즘 중 하나로 평가받고 있다. 우리는 본 논문에서 RSR을 개선할 수 있는 세 가지 방법론을 제안한다. 즉, 학습데이터에서 이상치를 제거하여 일반화 성능을 높이는 방법, 학습데이터를 랜덤 샘플링하여 희소율을 높이는 방법, RSR의 목적함수에 엘라스틱 넷 회귀분석의 패널티 항을 사용한 E-RSR(elastic net-RSR) 방법을 제안한다. 우리는 실험을 통해 제안한 방법론이 인식률을 희생하지 않으며 희소율을 크게 증가시킴으로써 기존 RSR 방법론을 개선할 수 있음을 보였다.

• 한국통신학회논문지
• /
• 제41권8호
• /
• pp.917-920
• /
• 2016

전통적 도래각 추정기법[1]과 별개로 2004년 이후 입사신호의 입사방향은 공간 영역에서 희소도(sparsity)를 가짐을 이용한 도래각 추정 기법이 제안되었다. 압축센싱 기반 도래각 추정 알고리즘인 SpSF 알고리즘에 이용되는 비용함수는 비선형 다변수 최적화문제이다. 적절한 변환을 통하여 해당 비용함수는 볼록 최적화 (convex optimization) 문제로 표현할 수 있다. 볼록 최적화 문제는 제한조건이 있는 최적화 문제이며 제한조건에 포함되는 상수를 지정해야 한다. 본 연구에서는 제한조건에 포함되는 사용자지정 상수값 결정법을 제안한다. 잡음의 실수부와 허수부가 서로 독립인 평균 0인 정규분포를 따름을 이용하여 제한조건에 포함되는 행렬의 Frobenius norm의 평균을 유도할 수 있으며, 이를 이용하여 제한조건에 포함되는 상수를 결정할 수 있다. 제안된 방법에 의해 결정된 상수를 이용한 SpSF 알고리즘이 실제로 동작함을 보였다.

• 융합신호처리학회논문지
• /
• 제9권4호
• /
• pp.295-303
• /
• 2008

변환영역 적응필터는 시간영역 적응필터보다 일반직으로 수렴속도가 빠르지만 필터의 차수가 증가함에 따라 계산량이 크게 증가한다. 이러한 문제점은 변환영역 적응필터를 서브밴드 분해구조로 변경함으로써 해결할 수 있다. 이 논문에서는 일반화된 서브밴드 분해 FIR 적응 필터의 수렴속도 향상을 위해 웨이블릿 변환영역에서 다이아딕 희소인자 서브필터를 가지는 일반화된 서브밴드 분해 FTR 적응 필터의 구조를 설계하였다. 그리고 이 적응필터에서 변환영역의 일반화된 등가입력을 유도하고 이 입력을 이용하여 LMS 일고리듬에 대한 수렴특성을 해석 및 평가하였다. 이 서브밴드 FIR 적응필터를 이용하여 역 모델링 시스템과 주기성 잡음제거기를 구성하고 LMS 알고리듬 대한 이 시스템들의 수련속도를 이산푸리에 변환을 이용한 서브밴드 적응필터의 것과 컴퓨터 모의실험으로 비교하였다.

• 한국전산응용수학회:학술대회논문집
• /
• 한국전산응용수학회 2003년도 KSCAM 학술발표회 프로그램 및 초록집
• /
• pp.1-1
• /
• 2003

In this talk, a reduced-order modeling methodology based on centroidal Voronoi tessellations (CVT's)is introduced. CVT's are special Voronoi tessellations for which the generators of the Voronoi diagram are also the centers of mass (means) of the corresponding Voronoi cells. The discrete data sets, CVT's are closely related to the h-means clustering techniques. Even with the use of good mesh generators, discretization schemes, and solution algorithms, the computational simulation of complex, turbulent, or chaotic systems still remains a formidable endeavor. For example, typical finite element codes may require many thousands of degrees of freedom for the accurate simulation of fluid flows. The situation is even worse for optimization problems for which multiple solutions of the complex state system are usually required or in feedback control problems for which real-time solutions of the complex state system are needed. There hava been many studies devoted to the development, testing, and use of reduced-order models for complex systems such as unsteady fluid flows. The types of reduced-ordered models that we study are those attempt to determine accurate approximate solutions of a complex system using very few degrees of freedom. To do so, such models have to use basis functions that are in some way intimately connected to the problem being approximated. Once a very low-dimensional reduced basis has been determined, one can employ it to solve the complex system by applying, e.g., a Galerkin method. In general, reduced bases are globally supported so that the discrete systems are dense; however, if the reduced basis is of very low dimension, one does not care about the lack of sparsity in the discrete system. A discussion of reduced-ordering modeling for complex systems such as fluid flows is given to provide a context for the application of reduced-order bases. Then, detailed descriptions of CVT-based reduced-order bases and how they can be constructed of complex systems are given. Subsequently, some concrete incompressible flow examples are used to illustrate the construction and use of CVT-based reduced-order bases. The CVT-based reduced-order modeling methodology is shown to be effective for these examples and is also shown to be inexpensive to apply compared to other reduced-order methods.