| 1 |
1
복수의 사용자가 복수의 아이템 중 적어도 하나의 아이템을 평가한 결과인 평가결과를 이용하여 아이템을 추천하는 방법에 있어서,협업 필터링 기법을 이용하여 상기 평가결과에 포함된 복수의 미평가아이템의 평가 결과를 예측한 결과인 예측결과와 상기 평가결과를 종합하여 종합결과를 생성하는 단계;상기 종합결과에서 상기 복수의 미평가아이템을 복수의 무정보아이템과 복수의 무관심아이템으로 분류하는 단계;상기 종합결과 및 상기 종합결과에 포함된 평가아이템, 미평가아이템, 무정보아이템 및 무관심아이템 중 2개로 구성되는 아이템페어 중에서 선별된 복수의 선별아이템페어에 기초하여, 모델 파라미터를 학습시키는 단계; 및상기 학습된 모델 파라미터에 기초하여 상기 복수의 미평가아이템에 대한 평가 결과를 예측한 결과인 최종예측결과를 이용하여, 상기 복수의 사용자 중 적어도 하나의 추천대상자에게 소정 개수의 아이템을 추천하는 단계를 포함하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 방법
|
| 2 |
2
제1항에 있어서,상기 모델 파라미터를 학습시키는 단계는상기 복수의 선별아이템페어 각각에 포함된 아이템 종류 간의 평가 결과 차이에 기반하는 목적함수를 생성하는 단계;상기 복수의 사용자 중 선택된 하나의 선택사용자에 대하여, 상기 종합결과로부터 상기 복수의 선별아이템페어에 포함된 아이템 종류별 평가 결과를 포함하는 복수의 평가결과정보를 획득하는 단계;상기 목적함수 및 상기 복수의 평가결과정보를 이용하여, 상기 목적함수의 값이 극대화되도록 상기 모델 파라미터값을 갱신하는 단계; 및소정의 완료 조건을 만족할 때까지, 상기 복수의 평가결과정보를 획득하는 단계 및 상기 모델 파라미터값을 갱신하는 단계를 반복하는 단계를 포함하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 방법
|
| 3 |
3
제2항에 있어서,상기 상기 모델 파라미터값을 갱신하는 단계는상기 복수의 평가결과정보를 이용하여, 상기 목적함수의 그레디언트값을 산출하는 단계; 및SGD(stochastic gradient descent) 기법에 기반하여 상기 그레디언트값을 적용함으로써, 상기 모델 파라미터값을 갱신하는 단계를 포함하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 방법
|
| 4 |
4
제2항에 있어서,상기 복수의 평가결과정보는 상기 복수의 선별아이템페어에 포함된 아이템 종류별로 하나의 평가 결과를 포함하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 방법
|
| 5 |
5
제2항에 있어서,상기 복수의 평가결과정보는 상기 복수의 선별아이템페어에 포함된 아이템 종류별로 복수의 평가 결과인 그룹평가결과를 포함하고,상기 목적함수는상기 그룹평가결과의 차이에 기반하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 방법
|
| 6 |
6
제2항에 있어서,상기 목적함수는상기 평가아이템의 평가 결과가 상기 미평가아이템, 상기 무정보아이템 및 상기 무관심아이템의 평가 결과보다 높고, 상기 무정보아이템의 평가 결과가 상기 무관심아이템의 평가 결과보다 높다는 가정에 기반하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 방법
|
| 7 |
7
제1항에 있어서,상기 복수의 선별아이템페어는상기 평가아이템과 상기 미평가아이템으로 구성되는 아이템페어와 상기 무정보아이템과 상기 무관심아이템으로 구성되는 아이템페어를 포함하거나,상기 평가아이템과 상기 무정보아이템으로 구성되는 아이템페어, 상기 평가아이템과 상기 무관심아이템으로 구성되는 아이템페어 및 상기 무정보아이템과 상기 무관심아이템으로 구성되는 아이템페어를 포함하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 방법
|
| 8 |
8
복수의 사용자가 복수의 아이템 중 적어도 하나의 아이템을 평가한 결과인 평가결과를 이용하여 아이템을 추천하는 장치에 있어서,협업 필터링 기법을 이용하여, 상기 평가결과에 포함된 복수의 미평가아이템의 평가 결과를 예측한 결과인 예측결과와 상기 평가결과를 종합하여 종합결과를 생성하는 생성부;상기 종합결과에서 상기 복수의 미평가아이템을 복수의 무정보아이템과 복수의 무관심아이템으로 분류하는 분류부;상기 종합결과 및 상기 종합결과에 포함된 평가아이템, 미평가아이템, 무정보아이템 및 무관심아이템 중 2개로 구성되는 아이템페어 중에서 선별된 복수의 선별아이템페어에 기초하여, 모델 파라미터를 학습시키는 학습부; 및상기 학습된 모델 파라미터에 기초하여 상기 복수의 미평가아이템에 대한 평가 결과를 예측한 결과인 최종예측결과를 이용하여, 상기 복수의 사용자 중 적어도 하나의 추천대상자에게 소정 개수의 아이템을 추천하는 추천부를 포함하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 장치
|
| 9 |
9
제8항에 있어서,상기 학습부는상기 복수의 선별아이템페어 각각에 포함된 아이템 종류 간의 평가 결과 차이에 기반하는 목적함수를 생성하고,상기 복수의 사용자 중 선택된 하나의 선택사용자에 대하여, 상기 종합결과로부터 상기 복수의 선별아이템페어에 포함된 아이템 종류별 평가 결과를 포함하는 복수의 평가결과정보를 획득하고,상기 목적함수 및 상기 복수의 평가결과정보를 이용하여, 상기 목적함수의 값이 극대화되도록 상기 모델 파라미터값을 갱신하고,소정의 완료 조건을 만족할 때까지, 상기 복수의 평가결과정보를 획득하는 과정과 상기 모델 파라미터값을 갱신하는 과정을 반복하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 장치
|
| 10 |
10
제9항에 있어서,상기 학습부가 상기 모델 파라미터값을 갱신할 때,상기 복수의 평가결과정보를 이용하여, 상기 목적함수의 그레디언트값을 산출하고,SGD(stochastic gradient descent) 기법에 기반하여 상기 그레디언트값을 적용함으로써, 상기 모델 파라미터값을 갱신하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 장치
|
| 11 |
11
제9항에 있어서,상기 복수의 평가결과정보는 상기 복수의 선별아이템페어에 포함된 아이템 종류별로 하나의 평가 결과를 포함하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 장치
|
| 12 |
12
제9항에 있어서,상기 복수의 평가결과정보는 상기 복수의 선별아이템페어에 포함된 아이템 종류별로 복수의 평가 결과인 그룹평가결과를 포함하고,상기 목적함수는상기 그룹평가결과의 차이에 기반하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 장치
|
| 13 |
13
제9항에 있어서,상기 목적함수는상기 평가아이템의 평가 결과가 상기 미평가아이템, 상기 무정보아이템 및 상기 무관심아이템의 평가 결과보다 높고, 상기 무정보아이템의 평가 결과가 상기 무관심아이템의 평가 결과보다 높다는 가정에 기반하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 장치
|
| 14 |
14
제8항에 있어서,상기 복수의 선별아이템페어는상기 평가아이템과 상기 미평가아이템으로 구성되는 아이템페어와 상기 무정보아이템과 상기 무관심아이템으로 구성되는 아이템페어를 포함하거나, 상기 평가아이템과 상기 무정보아이템으로 구성되는 아이템페어, 상기 평가아이템과 상기 무관심아이템으로 구성되는 아이템페어 및 상기 무정보아이템과 상기 무관심아이템으로 구성되는 아이템페어를 포함하는 것을 특징으로 하는 다중 유형 페어와이즈 기반 아이템 추천 장치
|
