1 |
1
사용자에게 맞춤형 항목을 추천하기 위한 추천 시스템에서의 평점 예측 방법에 있어서,n수의 사용자들 중 사용자 i의 m개의 항목들 중 항목 j에 대한 각각의 평점 M(i, j) 및 상기 사용자들 간의 친구관계에 대한 유사도그래프를 포함하는 입력 정보를 수신하는 단계(여기서, n, m은 2 이상의 자연수, i∈{1,2,3,
|
2 |
2
제1항에 있어서,상기 업데이트하는 단계에서, 상기 해당 군집(x)에 속한 사용자(w)의 평점 M(w, j) 중 데이터가 비어있는 대상 항목의 평점 M(w,:)을 R(x,:) 중 대응 항목의 평균평점으로 업데이트하는 것을 특징으로 하는 평점 예측 방법
|
3 |
3
제1항에 있어서,상기 유사도그래프는, 친구관계라면 '1'의 값, 아니라면 '0'의 값으로 이루어지는 원소값들로 구성된 n×n 인접행렬 형태인 것을 특징으로 하는 평점 예측 방법
|
4 |
4
제1항에 있어서,상기 결정하는 단계에서, 상기 각각의 사용자에 대하여 상기 군집의 적합도가 최대가 되는 상기 군집(x)이 되도록 결정하는 것을 특징으로 하는 평점 예측 방법
|
5 |
5
제1항에 있어서,상기 결정하는 단계에서, n수의 상기 사용자 각각에 대하여, 상기 군집의 적합도 F(g)를 식 F(g) = c1*NL1 + c2*NL2 + c3*S에 따라 K개의 상기 군집 Cg 각각에 대하여 산출하여 상기 결정에 이용하되,여기서, c1,c2,c3는 가중치 계수, NL1은 대상 군집 Cg의 사용자들과 대상 사용자 간의 연결 엣지수,NL2는 대상 군집 Cg 이외의 사용자들과 대상 사용자 간의 연결 엣지수, S는 대상 사용자와 대상 군집 Cg 사이의 유사도인 것을 특징으로 하는 평점 예측 방법
|
6 |
6
제5항에 있어서,상기 연결 엣지수는 해당 사용자들과 대상 사용자가 친구관계인 경우의 수인 것을 특징으로 하는 평점 예측 방법
|
7 |
7
제5항에 있어서,상기 S는 대상 사용자의 항목별 평점 M(i,:)과 대상 군집 Cg의 항목별 평균평점 R(g,:) 간의 유사도를 기초로 산출되는 것을 특징으로 하는 평점 예측 방법
|
8 |
8
n수의 사용자들 중 사용자 i의 m개의 항목들 중 항목 j에 대한 각각의 평점 M(i, j) 및 상기 사용자들 간의 친구관계에 대한 유사도그래프를 포함하는 입력 정보를 수신하는 기능(여기서, n, m은 2 이상의 자연수, i∈{1,2,3,
|