| 1 |
1
콘텐츠 추천을 위한 동적인 노이즈 제거 방법에 있어서, 상기 방법은콘텐츠 평가 시점 차이 및 사용자가 평가한 콘텐츠의 수 중 적어도 하나를 가중치로 반영하는 단계;각 사용자별 평점 분포를 계산하는 단계; 및상기 분포를 소정 값과 비교하여 노이즈 데이터를 제거하는 단계를 포함하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법
|
| 2 |
2
제 1항에 있어서,상기 노이즈 데이터를 제거하는 단계를 거친 평점 데이터를 학습 및 테스트 데이터로 이용하여 콘텐츠 추천 협업 필터링 모델을 생성하는 단계를 더 포함하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법
|
| 3 |
3
제2항에 있어서, 사용자, 콘텐츠 및 평점 중 적어도 하나에 관한 데이터를 수집하는 단계; 및상기 콘텐츠 추천 협업 필터링 모델을 이용하여 콘텐츠를 추천하는 단계를 더 포함하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법
|
| 4 |
4
제3항에 있어서, 상기 가중치로 반영하는 단계는,현재 시점과 콘텐츠 평가 시점 차를 하기 수학식 (여기서, 은 원래 평점 정보를 나타내고, 로 표현되는 부분은 시간차이에 따른 가중치임
|
| 5 |
5
제4항에 있어서,상기 가중치로 반영하는 단계는,사용자가 평가한 콘텐츠 수 및 평가 시점 차이를 하기 수학식(여기서, 는 사용자가 본 영화의 숫자에 따른 가중치를 의미함
|
| 6 |
6
제5항에 있어서,상기 각 사용자별 평점 분포를 계산하는 단계는,상기 가중치가 반영된 평점에 대해 평균과 표준 편차를 계산하고, 를 하기 수학식(: 평균, :사용자가 평가한 영화 수, :사용자가 평가한 번째 영화 평점, :표준편차, : 번째 )으로 계산하여 구하는 것을 특징으로 하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법
|
| 7 |
7
제6항에 있어서,상기 분포를 소정 값과 비교하여 노이즈 데이터를 제거하는 단계는,상기 각 사용자별 평점 분포 평균이 전체 사용자의 평점 분포 평균보다 크면 낮은 평점 데이터를 높은 평점 데이터보다 더 제거하고,상기 각 사용자별 평점 분포 평균이 전체 사용자의 평점 분포 평균보다 작으면 높은 평점 데이터를 낮은 평점 데이터보다 더 제거하는 것을 특징으로 하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법
|
| 8 |
8
제7항에 있어서,상기 콘텐츠를 추천하는 단계는,추천 요청 대상 콘텐츠에 대한 예측 평점을 계산하는 단계; 및추천 콘텐츠 정보를 생성하는 단계를 포함하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법
|
| 9 |
9
제8항에 있어서,상기 콘텐츠를 추천하는 단계는,사용자의 콘텐츠 추천 요청을 수신하는 단계;콘텐츠 추천 모델 생성 여부를 판단하는 단계; 및생성된 콘텐츠 추천 정보를 사용자 디바이스로 송신하는 단계를 더 포함하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법
|
| 10 |
10
제9항에 있어서,상기 추천 콘텐츠 정보는 예측 평점에 따라 정렬된 목록 및 해당 콘텐츠에 대한 개요를 포함하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법
|
| 11 |
11
콘텐츠 추천을 위한 동적인 노이즈 제거 방법을 이용한 콘텐츠 추천 시스템에 있어서, 상기 시스템은,콘텐츠 평가 시점 차이 및 사용자가 평가한 콘텐츠의 수를 가중치로 반영하는 콘텐츠 평점 가중치 계산부;각 사용자별 평점 분포를 계산하고 상기 분포를 소정 값과 비교하여 노이즈 데이터를 제거하는 노이즈 제거부; 및노이즈 데이터를 제거한 평점 데이터를 학습 및 테스트 데이터로 이용하여 콘텐츠 추천 협업 필터링 모델을 생성하는 협업 필터링 모델 생성부를 포함하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법을 이용하는 콘텐츠 추천 시스템
|
| 12 |
12
제11항에 있어서,상기 콘텐츠 추천 협업 필터링 모델을 이용하여 추천 콘텐츠를 생성하는 콘텐츠 추천부; 및콘텐츠 소스들로부터 사용자, 콘텐츠 및 평점 중 적어도 하나에 관한 데이터를 수신하고 상기 추천 콘텐츠를 사용자 디바이스로 전송하는 통신인터페이스를 더 포함하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법을 이용하는 콘텐츠 추천 시스템
|
| 13 |
13
제12항에 있어서,상기 콘텐츠 평점 가중치 계산부는,현재 시점과 콘텐츠 평가 시점 차를 하기 수학식 (여기서, 은 원래 평점 정보를 나타내고, 로 표현되는 부분은 시간차이에 따른 가중치임
|
| 14 |
14
제13항에 있어서,상기 노이즈 제거부는,상기 가중치가 반영된 평점에 대해 각 사용자별 평균과 표준 편차를 계산하고, 를 하기 수학식(: 평균, :사용자가 평가한 영화 수, :사용자가 평가한 번째 영화 평점, :표준편차, : 번째 )으로 계산하여 각 사용자별 평점 분포를 구하고,상기 각 사용자별 평점 분포 평균이 전체 사용자의 평점 분포 평균보다 크면 낮은 평점 데이터를 높은 평점 데이터보다 더 제거하고,상기 각 사용자별 평점 분포 평균이 전체 사용자의 평점 분포 평균보다 작으면 높은 평점 데이터를 낮은 평점 데이터보다 더 제거하는 것을 특징으로 하는 콘텐츠 추천을 위한 동적인 노이즈 제거 방법을 이용하는 콘텐츠 추천 시스템
|
