지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박광현
- 발행연도
- 2015
- 저작권
- 광운대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
사용자 기반의 협업 필터링은 사용자 간의 유사도를 측정하여 비슷한 성향의 사용자들이 선택한 아이템을 추천하는 방법이다. 협업 필터링 기반의 추천 시스템은 개인화 서비스에 핵심적인 요소이다. 사용자 기반 협업 필터링은 추천 시스템에서 가장 중요한 고객의 성향을 예측할 수 있다는 장점이 있으며, 본 논문에서는 단일 추천이 아닌 연관성에 따른 그룹 추천 알고리즘을 제안한다. 본 논문에서는 연관 규칙 알고리즘을 가지고 빈발 아이템 집합을 생성하고, 그룹 유사도에 따른 추천 알고리즘을 설계, 구현하였다. 실험에는 최근 4개월간에 수집된 전자상거래 App의 구매 목록을 데이터 세트로 이용하였고, 자신과 유사한 성향을 가진 다른 고객들의 구매 성향을 바탕으로 그룹 추천을 받음으로써 개인의 의사 결정을 더 쉽고 빠르게 할 수 있을 것이라 기대된다.
목차
제 1장 서론 1제 2장 기존의 연구 방법 4제 2.1 절 협업 필터링 4제 2.1.1 항 협업 필터링의 접근 기법 5제 2.1.2 항 협업 필터링의 과정 7제 2.1.3 항 협업 필터링의 성능 측정 10제 2.2 절 연관규칙(Association rule) 12제 2.2.1 항 연관 규칙의 기본 개념 12제 2.2.2 항 연관 규칙 측량화 방법 13제 2.3 절 그룹 추천의 어려움 15제 3장 그룹 추천 시스템 16제 3.1 절 빈발 패턴 생성 17제 3.1.1 항 Apriori 알고리즘 18제 3.1.2 항 중복된 카테고리 제거 19제 3.2 절 유사도 측정 21제 3.3 절 그룹 예측값 계산 및 추천 목록 생성 25제 4장 실 험 27제 4.1 절 실험 데이터 수집 27제 4.2 절 실험 결과 29제 4.2.1 항 빈발 패턴을 이용한 추천 평가 결과 30제 4.2.2 항 그룹 추천 시스템 추천 평가 결과 32제 5장 결론 34참고문헌 35
최근 본 자료
댓글(0)
0