1 |
1
사용자 맞춤형 항목 추천 방법에 있어서,k-인접 이웃 그래프를 생성하는 단계와,상기 k-인접 이웃 그래프를 이용하여 사용자 맞춤형 추천 항목을 선정하는 단계를 포함하며,상기 k-인접 이웃 그래프는 각 항목과 유사한 k개의 항목에 대한 정보를 나타내며,상기 k-인접 이웃 그래프를 생성하는 단계는 다수의 사용자를 차원으로 하고 다수의 항목을 벡터로 하는 매트릭스를 이용하며, 각 벡터에 해당하는 각 차원의 평점 유무를 확인하고, 상기 평점이 기준값보다 높은 고평점 차원을 가지면서 겹치지 아니하는 벡터 쌍을 필터링하는 단계를 포함하는 것인 사용자 맞춤형 항목 추천 방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서,상기 필터링하는 단계는, 수식을 이용하며,여기에서, M(υi, dj)는 벡터 υi 및 차원 dj에 대응하는 매트릭스의 초기 값이고, M'(υi, dj)는 M(υi, dj)을 가공한 값으로서 상기 k-인접 이웃 그래프 생성에 사용되는 값이며, D는 차원 세트이며, VF(dj)는 차원 dj에 대응하는 값을 가지는 벡터의 수인 것인 사용자 맞춤형 항목 추천 방법
|
4 |
4
제1항에 있어서,상기 k-인접 이웃 그래프를 생성하는 단계는 상기 필터링된 벡터 쌍에 대한 유사도를 계산하는 단계를 포함하는 것인 사용자 맞춤형 항목 추천 방법
|
5 |
5
제1항에 있어서,상기 평점은 가중치를 반영한 평점인 것인 사용자 맞춤형 항목 추천 방법
|
6 |
6
제1항에 있어서, 상기 추천 항목을 선정하는 단계는평점이 매겨지지 않은 미평가 항목들 i에 대하여 항목 리스트를 초기화하는 단계와,평점이 매겨진 평가 항목들 i에 대하여 k2-인접 이웃 리스트 모두에 대하여 i를 더하는 단계와,상기 미평가 항목들 i에 대하여 그 리스트가 항목의 k1 숫자보다 많은 항목을 가질 경우에 가장 유사한 k1 항목을 제외한 모든 항목을 삭제하는 단계와,남은 k개의 상기 미평가 항목들에 대하여 평점을 계산하는 단계를 포함하는 것인 사용자 맞춤형 항목 추천 방법
|
7 |
7
제6항에 있어서,상기 평점을 계산하는 단계는 수식 을 이용하여 평점을 계산하며,여기에서, pu,i는 사용자 u가 항목 i에 대해 매길 것으로 계산되는 평점 값이며, 는 항목 i에 대한 평점의 평균 값이며, list(i)는 미평가 항목 i의 리스트이고, ru,n은 사용자 u가 항목 i에 매긴 평점 값이며, 는 항목 n에 대한 평점의 평균 값이며, sim(i,n)은 i와 n 사이의 코사인 유사도인 것인 사용자 맞춤형 항목 추천 방법
|
8 |
8
제7항에 있어서, 상기 코사인 유사도는 수식인 것인 사용자 맞춤형 항목 추천 방법
|
9 |
9
제1항에 있어서,상기 k는 1보다 큰 자연수인 사용자 맞춤형 항목 추천 방법
|
10 |
10
제1항에 있어서, 상기 항목은 영화, 음악, 도서로 이루어지는 그룹에서 선택되는 것인 사용자 맞춤형 항목 추천 방법
|
11 |
11
사용자 맞춤형 항목 추천 장치에 있어서,연산부를 포함하며,상기 연산부는 k-인접 이웃 그래프를 생성하기 위한 알고리즘을 수행하도록 프로그래밍 되며,상기 연산부는 상기 k-인접 이웃 그래프를 이용하여 사용자 맞춤형 추천 항목을 선정하는 알고리즘을 수행하도록 프로그래밍 되며,상기 k-인접 이웃 그래프는 각 항목과 유사한 k개의 항목에 대한 정보를 나타내며,상기 k-인접 이웃 그래프를 생성하기 위한 알고리즘은 다수의 사용자를 차원으로 하고 다수의 항목을 벡터로 하는 매트릭스를 이용하며, 각 벡터에 해당하는 각 차원의 평점 유무를 확인하고, 상기 평점이 기준값보다 높은 고평점 차원을 가지면서 겹치지 아니하는 벡터 쌍을 필터링하는 것인 사용자 맞춤형 항목 추천 장치
|