| 1 |
1
컴퓨터 시스템에 의해 수행되는, GAN(generative adversarial network)에 기반한 아이템 추천 방법에 있어서, 복수의 아이템들에 포함되는, 사용자에 의해 명시적 피드백(explicit feedback)이 부여되지 않은 아이템들 중에서 적어도 하나의 네거티브 아이템에 대한 바이어스 처리(bias treatment)를 수행하는 단계;상기 바이어스 처리된 네거티브 아이템이 고려된, 상기 복수의 아이템들에 대한 상기 사용자와 연관된 명시적 피드백 데이터 세트를 사용하여 상기 GAN의 생성 모델(generative model) 및 판별 모델(discriminative model)을 훈련시키는 단계; 상기 훈련된 생성 모델을 사용하여 상기 사용자의 상기 복수의 아이템들의 각각에 대한 상기 사용자에 의한 명시적 피드백을 추정하는 단계; 및상기 복수의 아이템들의 각각에 대해 추정된 상기 명시적 피드백에 기반하여, 상기 복수의 아이템들 중 적어도 하나의 아이템을 상기 사용자에게 추천하는 단계를 포함하는, 아이템 추천 방법
|
| 2 |
2
제1항에 있어서,상기 명시적 피드백은 아이템에 대해 상기 사용자에 의해 부여되는 평점이고,상기 복수의 아이템들에 대한 상기 사용자와 연관된 명시적 피드백 데이터 세트는 상기 복수의 아이템들 각각에 대한 상기 사용자가 부여한 평점을 각 엔트리로서 포함하는 사용자-평점 행렬에 대응하는, 아이템 추천 방법
|
| 3 |
3
제1항에 있어서,상기 추정하는 단계에서 상기 생성 모델은 실수 값인 평점을 상기 명시적 피드백으로서 추정하고, 상기 판별 모델은 상기 추정된 평점이 상기 사용자에 의해 부여된 실측 자료(ground truth)에 해당되는 것인지 혹은 상기 생성 모델에서 생성된 것인지를 판별하는, 아이템 추천 방법
|
| 4 |
4
제2항에 있어서,상기 바이어스 처리를 수행하는 단계는,상기 사용자에 의해 평점이 부여되지 않은 아이템들에 대한 상기 사용자의 암시적(implicit) 피드백 데이터에 기반하여, 상기 복수의 아이템들 중 상기 적어도 하나의 네거티브 아이템을 식별하는 단계; 및상기 식별된 네거티브 아이템에 대해 상기 복수의 아이템들 중 나머지에 비해 상대적으로 더 낮은 평점을 부여하는 단계를 포함하고,상기 GAN의 생성 모델(generative model) 및 판별 모델(discriminative model)은 상기 더 낮은 평점이 반영된 상기 사용자-평점 행렬을 사용하여 훈련되는, 아이템 추천 방법
|
| 5 |
5
제4항에 있어서,상기 식별하는 단계는, 협업 필터링(Collaborative Filtering; CF) 모델을 사용하여, 상기 복수의 아이템들 중 상기 네거티브 아이템을 식별하고, 상기 CF 모델은 상기 암시적(implicit) 피드백 데이터에 기반하여, 상기 평점이 부여되지 않은 아이템들 중 사용자가 부정적인 선호도를 가지는 아이템을 상기 네거티브 아이템으로서 추정하는, 아이템 추천 방법
|
| 6 |
6
제5항에 있어서,상기 CF 모델은 CDAE (Collaborative Denoising Auto-Encoder)를 사용하고,바이너리화된 상기 복수의 아이템들에 대해 상기 사용자에 의해 부여된 평점을 사용하여 상기 CDAE가 훈련되고, 상기 훈련된 CDAE에 의해 파악된 상기 복수의 아이템들 각각에 대한 관심도에 기반하여 상기 네거티브 아이템이 추정되는, 아이템 추천 방법
|
| 7 |
7
제6항에 있어서,상기 평점을 부여하는 단계는, 상기 네거티브 아이템과 연관된 상기 관심도를 상기 더 낮은 평점에 대응하는 소정의 범위 내의 값으로 정규화함으로써(normalized), 상기 네거티브 아이템에 상기 더 낮은 평점을 부여하고, 상기 정규화된 관심도는 상기 사용자-평점 행렬의 대응하는 엔트리에 삽입되는, 아이템 추천 방법
|
| 8 |
8
제4항에 있어서,상기 네거티브 아이템은, 상기 평점이 부여되지 않은 아이템들 각각에 대해 결정된 상기 사용자의 관심 점수에 기반하여, 상기 관심 점수가 하위인 소정의 수 또는 소정의 비율에 해당하는 아이템으로서 결정되는, 아이템 추천 방법
|
| 9 |
9
제2항에 있어서,상기 바이어스 처리는, 상기 복수의 아이템들에 대해 상기 사용자에 의해 부여된 평점들의 상대적으로 더 높은 값으로의 편중에 의한 상기 훈련된 생성 모델의 상기 복수의 아이템들의 각각에 대한 평점의 추정의 왜곡을 보정하는, 아이템 추천 방법
|
| 10 |
10
제1항에 있어서,상기 생성 모델 및 상기 판별 모델은 상기 사용자에 대해 개인화된 사용자-특정 정보에 따라 상기 사용자에 대해 개인화되어 훈련되는, 아이템 추천 방법
|
| 11 |
11
제2항에 있어서,상기 추천하는 단계에서는, 상기 훈련된 생성 모델에 의해 추정된 상기 복수의 아이템들의 각각에 대한 평점이 반영된 사용자-평점 행렬을 사용하여 훈련된 CF 모델에 의해 상기 복수의 아이템들 중 적어도 하나의 아이템이 상기 사용자에게 추천되는, 아이템 추천 방법
|
| 12 |
12
제1항 내지 제11항 중 어느 한 항의 아이템 추천 방법을 컴퓨터에서 실행시키기 위해 컴퓨터 판독 가능 기록매체에 저장된 컴퓨터 프로그램
|
| 13 |
13
제1항 내지 제11항 중 어느 한 항의 아이템 추천 방법을 컴퓨터에서 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터 판독 가능 기록매체
|
| 14 |
14
컴퓨터 시스템에 있어서,메모리; 및상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는,복수의 아이템들에 포함되는, 사용자에 의해 명시적 피드백(explicit feedback)이 부여되지 않은 아이템들 중에서 적어도 하나의 네거티브 아이템에 대한 바이어스 처리(bias treatment)를 수행하고,상기 바이어스 처리된 네거티브 아이템이 고려된, 상기 복수의 아이템들에 대한 상기 사용자와 연관된 명시적 피드백 데이터 세트를 사용하여 GAN(generative adversarial network)의 생성 모델(generative model) 및 판별 모델(discriminative model)을 훈련시키고, 상기 훈련된 생성 모델을 사용하여 상기 사용자의 상기 복수의 아이템들의 각각에 대한 상기 사용자에 의한 명시적 피드백을 추정하고, 상기 복수의 아이템들의 각각에 대해 추정된 상기 명시적 피드백에 기반하여, 상기 복수의 아이템들 중 적어도 하나의 아이템을 상기 사용자에게 추천하는, 컴퓨터 시스템
|
| 15 |
15
제14항에 있어서,상기 명시적 피드백은 아이템에 대해 상기 사용자에 의해 부여되는 평점이고,상기 복수의 아이템들에 대한 상기 사용자와 연관된 명시적 피드백 데이터 세트는 상기 복수의 아이템들 각각에 대한 상기 사용자가 부여한 평점을 각 엔트리로서 포함하는 사용자-평점 행렬에 대응하는, 컴퓨터 시스템
|
| 16 |
16
제15항에 있어서,상기 적어도 하나의 프로세서는,상기 사용자에 의해 평점이 부여되지 않은 아이템들에 대한 상기 사용자의 암시적(implicit) 피드백 데이터에 기반하여, 상기 복수의 아이템들 중 상기 적어도 하나의 네거티브 아이템을 식별하고, 상기 식별된 네거티브 아이템에 대해 상기 복수의 아이템들 중 나머지에 비해 상대적으로 더 낮은 평점을 부여하고, 상기 GAN의 생성 모델(generative model) 및 판별 모델(discriminative model)은 상기 더 낮은 평점이 반영된 상기 사용자-평점 행렬을 사용하여 훈련되는, 컴퓨터 시스템
|
| 17 |
17
컴퓨터 시스템에 의해 수행되는, GAN(generative adversarial network)에 기반한 복수의 아이템들에 대한 사용자로부터의 평점을 증강(rating augmentation)시키는 방법에 있어서, 상기 복수의 아이템들에 포함되는, 사용자에 의해 평점이 부여되지 않은 아이템들 중에서 적어도 하나의 네거티브 아이템에 대한 바이어스 처리(bias treatment)를 수행하는 단계;상기 바이어스 처리된 네거티브 아이템이 고려된, 상기 복수의 아이템들에 대한 상기 사용자와 연관된 사용자-평점 행렬을 사용하여 상기 GAN의 생성 모델(generative model) 및 판별 모델(discriminative model)을 훈련시키는 단계; 상기 훈련된 생성 모델을 사용하여 상기 사용자의 상기 복수의 아이템들의 각각에 대한 상기 사용자에 의한 평점을 추정하는 단계; 및상기 추정된 평점을 사용하여 상기 사용자-평점 행렬의 값들을 업데이트함으로써 평점이 증강된 사용자-평점 행렬을 생성하는 단계를 포함하는, 사용자로부터의 평점을 증강시키는 방법
|
| 18 |
18
제17항에 있어서,상기 증강된 사용자-평점 행렬을 사용하여 훈련된 CF 모델에 의해 상기 복수의 아이템들 중 적어도 하나의 아이템을 상기 사용자에게 추천하는 단계를 더 포함하는, 사용자로부터의 평점을 증강시키는 방법
|
