Clustering-based Sequence Aware Recommender System
클러스터링 기반의 순차적 추천시스템
- 주제어 (키워드) Recommender systems , Sequence-Aware Recommender Systems , Deep Learning Recommenders , Clustering , 추천 시스템 , 순차적추천 시스템 , 딥 러닝 추천 시스템 , 클러스터링
- 발행기관 서강대학교 일반대학원
- 지도교수 양지훈
- 발행년도 2022
- 학위수여년월 2022. 8
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000066999
- UCI I804:11029-000000066999
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록
With the advent of the web and technological developments, the mass of data to be used or analyzed has become very voluminous. Users are constantly faced with a high number of choices, so much that it is impossible to exhaustively examine them all. Recommender systems have been developed to facilitate the search and extraction of information. Their goal is to provide relevant items to users. In this thesis, we address the sequential recommendation problem in the domain of movie recommendations: future movie ratings depend on the ordered sequence of previous user-movie interactions. And we aim to predict and recommend movies that the user is likely to positively interact with in the future. We propose a hybrid model which combines both unsupervised learning and sequential recommendations to capture the change in user preferences and leverage that information to provide more accurate and relevant recommendations. The use of clustering along with LSTM-based sequential prediction model results in the proposed model showing better performance compared to other recommender systems.
more초록
빅 데이터의 빠른 증가와 기술 발전하면 사용되거나 분석될 데이터의 양이 매우 많아졌다. 사용자들이 모든 이용가능한 선택지를 검토하는 것이 불가능해졌다. 추천 시스템은 정보의 검색 및 추출하기 위해 개발되었고 사용자에게 관심을 가질 만한 아이템을 제공한다. 본 논문에서는 영화 순차적 추천 문제를 다룬다. 영화 평점은 이전 사용자-영화 상호작용의 순서에 따라 예측되고 미래에 사용자가 가장 많이 상호작용할 가능성이 있는 영화를 추천한다. 비지도 학습과 (unsupervised learning) 순차 추천을 결합한 하이브리드 (hybrid) 기계학습 모델을 제안한다. 사용자 관심의 변화를 포착하고 해당 정보를 활용하여 정확하고 적절한 영화 추천을 제공한다. LSTM (Long Short-Term Memory)-기반의 순차 예측 모델과 클러스터링을 사용하면 제안된 모델이 다른 추천 시스템에 비해 성능이 높다.
more