1 |
1
세션 기반 추천 시스템에 있어서,프로세서(processor); 및프로세서를 통해 실행되는 적어도 하나의 명령이 저장된 메모리(memory); 를 포함하고, 적어도 하나의 명령은 상기 프로세서가: 각 사용자들의 보편적인 선호도를 k 종류라고 가정하고, 각 보편적 선호도에 대한 정보를 갖고 있는 k개의 프록시(proxy)를 만드는 단계;각 세션 정보만을 사용하여 현재 세션과 최대 적합도를 나타내는 프록시를 선택하도록 모델을 디자인하는 단계;선택된 프록시 임베딩이 해당 세션의 사용자의 보편적 선호도 역할을 수행하는 단계; 보편적 선호도 외에도 추천에서 중요한 정보인 사용자의 현재의 선호도 (short-term interest)를 탐지하는 세션 인코더를 사용하여 사용자의 현재 선호도를 내포하고 있는 현재 세션 내의 유용한 정보를 추출해내는 단계; 및획득한 프록시와 현재의 선호도를 조합하여 세션의 다음 아이템을 예측하는 정보로 사용하는 단계; 를 수행하도록 구성되는,세션 기반 추천 시스템
|
2 |
2
청구항 1에 있어서, 상기 시스템은,제한적으로 데이터에 일부의 사용자 정보가 주어지는 경우에 한해, 프록시를 선택하는 과정에 사용자 정보를 사용하여 선택을 하는 단계; 를 수행하는 프록시 추천부(ProxySR)를 더 포함하는,세션 기반 추천 시스템
|
3 |
3
입력 세션의 보편적 선호도를 선택하도록 입력 세션의 정보를 멀티 레이어 퍼셉트론(multi-layer perceptron) 모델을 사용하여 k 차원의 벡터로 인코딩하는 단계;k 차원의 실수 벡터를 온도 파라미터(temperature parameter)가 있는 소프트맥스(softmax)를 사용하여 가장 큰 값을 갖는 하나의 값만 1, 나머지는 0인 원핫(one-hot) 벡터로 만든 뒤 k개의 프록시 임베딩과 곱해줌으로써 하나의 프록시를 선택하는 단계; 세션의 사용자의 현재 선호도를 알아내도록 셀프 어텐션(self-attention)을 사용하여 현재 세션을 인코딩하는 단계; 획득한 프록시를 기반으로 인코딩한 현재 선호도와 세션의 다음 아이템을 투사하여, 모델이 학습할 수 있는 공간의 자유도를 증가시키는 단계; 및획득한 프록시와 현재 선호도를 더한 값과 세션의 다음 아이템과의 거리가 가까워지도록 모델과 임베딩을 훈련하는 단계; 를 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
4 |
4
청구항 3에 있어서, 상기 방법은,제한적으로 일부의 사용자 정보가 주어진 경우에는, 사용자 정보가 있는 세션에 한해 프록시를 선택하는 과정에 특정 선호도로의 편향성을 부여하여 학습시켜 모델링하는 단계; 를 더 포함하는, 세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
5 |
5
청구항 3에 있어서, 상기 방법은,모든 사용자 정보가 주어진 경우에는, 특정 프록시를 선택할 가능성을 증가시켜, 사용자 기반으로 보편적 선호도를 부여하여 학습시켜 모델링하는 단계; 를 더 포함하는, 세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
6 |
6
청구항 3에 있어서, 상기 방법은,수학식 (1)에 의하여 프록시 추천부(ProxySR)가 입력 세션 s을 사용하여 기울어진 확률 분포를 구축하여 사전 정의된 K 프록시 임베딩 세트에서 프록시 임베딩을 선택하는 단계; 를 더 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
7 |
7
청구항 3에 있어서, 상기 방법은,수학식 (2)에 의하여 프록시 추천부(ProxySR)가 세션 에 대한 프록시 임베딩 p (s)를 획득하는 단계;를 더 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
8 |
8
청구항 3에 있어서, 상기 방법은,수학식 (3)에 의하여 프록시 추천부(ProxySR)가 프록시 선택을 위한 인코더 네트워크를 구축하는 단계;를 더 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
9 |
9
청구항 3에 있어서, 상기 방법은,수학식 (4)에 의하여 프록시 추천부(ProxySR)가 입력 세션 s에 대한 단기적 관심도의 표현을 획득하는 단계;를 더 포함하는, 세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
10 |
10
청구항 3에 있어서, 상기 방법은,수학식 (5)에 의하여 프록시 추천부(ProxySR)가 입력 세션 s 에 대한 단기적 관심도 표현을 획득하는 단계;를 더 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
11 |
11
청구항 3에 있어서, 상기 방법은,수학식 (6)에 의하여 프록시 추천부(ProxySR)가 프록시의 초평면에 Ii⊥를 포함하는 예상 단기이자 s(s)⊥ 및 예상 대상 항목을 획득하는 단계;를 더 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
12 |
12
청구항 3에 있어서, 상기 방법은,수학식 (7)에 의하여 프록시 추천부(ProxySR)가 비 유사성 점수를 계산하는 단계;를 더 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
13 |
13
청구항 3에 있어서, 상기 방법은,수학식 (8)에 의하여 프록시 추천부(ProxySR)가 손실 함수 L 을 정의하는 단계;를 더 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
14 |
14
청구항 3에 있어서, 상기 방법은,수학식 (9)에 의하여 프록시 추천부(ProxySR)가 정규화기를 포함하여 최종 목적 함수 J를 최소화 하도록 정의하는 단계;를 더 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
15 |
15
청구항 3에 있어서, 상기 방법은,수학식 (10)에 의하여 프록시 추천부(ProxySR)가, 사용자 정보가 있는 세션의 경우에 프록시 선택을 위한 수학식 (2) 및 수학식 (6)의 π을 πuser로 대체하는 단계;를 더 포함하는,세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법
|
16 |
16
청구항 3 내지 청구항 15 중 어느 한 항의 세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법을 구현하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|
17 |
17
청구항 3 내지 청구항 15 중 어느 한 항의 세션 기반 추천 시스템을 위한 비지도 프록시 추정 방법의 프로그램을 구현하기 위한 컴퓨터 판독 가능한 기록매체
|