디지털 라이브러리[ 검색결과 ]
추천 시스템에서의 데이터 임퓨테이션 분석
http://doi.org/10.5626/JOK.2017.44.12.1333
추천 시스템이란 사용자가 좋아할만한 개인화된 상품을 사용자에게 제안하는 것이다. 최근 상품 수의 증가로 추천 시스템의 중요성이 날로 커지고 있지만, 데이터 희소성 문제는 여전히 추천 시스템의 대표적인 문제로 남아있다. 데이터 희소성 문제는 사용자가 전체 상품 중 일부의 상품에만 평점을 부여하여, 사용자와 상품 관계를 정확히 이해하기 힘든 것을 말한다. 이를 해결하기 위해 가장 여러 가지 접근법이 있는 그 중 대표적인 것인 데이터 임퓨테이션이다. 데이터 임퓨테이션은 사용자가 평가하지 않은 상품의 평점을 추론해 평점 행렬에 채우는 방법이다. 하지만 기존 데이터 임퓨테이션 방법은 사용자가 평가하지 않은 상품에 대한 몇 가지 특성을 놓치고 있다. 본 논문에서는 기존 방법의 한계점을 정의하고, 이를 개선하는 방안 3가지를 제안한다.
소셜 네트워크에서 효율적인 영향력 최대화 방안
http://doi.org/10.5626/JOK.2017.44.10.1105
영향력 최대화란 소셜 네트워크에서 최대의 영향력을 갖는 k개의 시드(seed) 노드로 이루어진 집합을 선출하는 문제이다. 이 문제를 해결한 기존 방법들이 갖는 가장 큰 문제는 시드 집합을 선출하는데 너무 많은 시간이 소요된다는 점이다. 이러한 성능 문제는 미시적, 거시적 두 가지 측면에서 발생한다. 본 논문은 미시적, 거시적 측면의 성능 문제 동시에 해결하는 효율적인 영향력 최대화 방안을 제안한다. 또한, 양질의 시드 집합을 선출하기 위한 새로운 경로 기반 커뮤니티 탐지 기법을 제안한다. 네 가지 실세계 데이터를 이용한 실험을 통해, 제안하는 방안이 미시적, 거시적 측면의 문제를 모두 해결하는 동시에 양질의 시드 집합을 선출함을 확인하였다.
평점 분리 기법을 이용한 e마켓플레이스의 판매자 평판 계산 방안
e-마켓플레이스는 구매자들이 보다 신뢰할 수 있는 판매자와 거래할 수 있도록 평판 시스템(Reputation system)을 구축하여 예비 소비자들에게 판매자의 평판을 제공한다. 판매자의 평판은 소비자의 평점을 기반으로 산출되는데 이 때 소비자의 평가 요소로는 판매자의 행동에 대한 평가와 상품에 대한 평가가 있다. 기존의 평판 계산 방안들은 구매자의 평점이 두 가지의 평가가 혼합된 점수라는 것을 인지 하지 못한 채로 판매자의 평판을 산출한다. 본 논문에서는 소비자 평점을 판매자 점수와 상품 점수로 분리한 후 오직 ‘판매자의 점수’만을 이용하는 평판 계산 방안을 제안한다. 제안하는 방안은 판매자의 점수만을 이용하여 판매자의 능력에 대한 평판만을 제공하는 방안으로 예비 소비자들이 빠른 배송과 친절한 서비스를 제공하는 판매자를 선택할 수 있도록 돕는다. 실험에서는 실제 e-마켓 플레이스의 현실성을 반영한 시뮬레이션 방안을 제안한다. 생성된 시뮬레이션 데이터를 기반으로 진행하는 실험을 통해 제안하는 방법의 우수성을 입증한다.
