달력

4

« 2024/4 »

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30

'netflix prize/기타'에 해당되는 글 13

  1. 2008.02.18 분산 환경에서의 협력적 여과를 위한 멀티 에이전트 프레임워크
  2. 2008.02.13 개발속도 단축
  3. 2008.02.13 논문 아이디어

분산 환경에서의 협력적 여과를 위한 멀티 에이전트 프레임워크

Ae-Ttie Ji, Cheol Yeon, Heung-Nam Kim, and Geun-Sik Jo, "분산 환경에서의 협력적 여과를 위한 멀티 에이전트 프레임워크", 한국지능정보시스템학회, Journal of Intelligent Information Systems, Vol. 13, pp. 119-140, Sep. 2007

+ title : 분산 환경에서의 협력적 여과를 위한 멀티 에이전트 프레임워크 (A Multi-Agent Framework for Distributed Collaborative Filtering)
+ author : 지애띠, 연철, 김흥남, 조근식 (Ae-Ttie Ji, Cheol Yeon, Heung-Nam Kim, and Geun-Sik Jo)
+ journal : 한국지능정보시스템학회 논문지 (domestic)

abstract.
추천 시스템은 정보의 홍수 속에서 사용자로 하여금 자신에게 더욱 가치 있고 흥미로운 정보를 선별할 수 있도록 돕는 자동화된 정보 여과 시스템이다. 최근 분산 컴퓨팅 환경에 대한 연구가 활발히 진행되면서, 지금까지의 중앙 서버에서 모든 정보를 관리하는 중앙 집중 방식의 추천 시스템에서 P2P 환경의 접근 방식으로 선회하고 있다. 협력적 여과는 상업적인 추천 시스템에서 가장 많이 사용하는 정보 여과 기법이지만, 그 성공에도 불구하고 확장성(scalability)과 데이터의 희박성(sparsity), 악의적인 사용자의 공격(shilling attack)에 대한 방어 등에 관련된 여러 제약을 갖는다. 중앙 집중 방식에서 분산된 방식으로의 변화는 추천의 신뢰성과 개인 정보의 남용 가능성에 관련한 문제점을 일부 해결할 수 있으나, 조작된 사용자 프로파일을 사용하여 추천을 조작하려는 의도를 갖는 악의적인 사용자의 공격에는 중앙 집중 방식과 마찬가지로 취약할 수 있다.
본 논문에서는 개인 정보의 오남용과 악의적인 사용자의 공격에 관련된 문제점을 해결하고, 분산된 환경에서 효과적인 협력적 여과를 수행하여 추천의 성능과 정확성을 높이기 위한 멀티 에이전트 기반의 추천 프레임워크를 제안한다. 추천의 신뢰성을 높이기 위해 사용자 간의 신뢰 정보를 사용하며, 각 사용자의 개인 에이전트와 이동 에이전트 간의 정보교환을 통해 효과적으로 신뢰 정보를 전파하고 분산된 유사도 계산의 효율성을 높였다.
:
Posted by Kwang-sung Jun
2008. 2. 13. 14:52

개발속도 단축 netflix prize/기타2008. 2. 13. 14:52

주어진 셋을 축소시켜서

프로그램을 짠다.(왜냐면, 기본 데이터는 너무나도 양이 커서, 테스트에 지나치게 많은 시간이 소모되기 때문이다.)

예를 들면 한 영화에 대한 사용자 레이팅은 100건 까지만 인식한다든가...
(그렇게 하면 rating한 유저의 명수는 줄어들겠지만..)

알고리즘의 성능은 떨어지겠지만, 개발 과정에서는 크게 상관없으므로...!

:
Posted by Kwang-sung Jun
2008. 2. 13. 14:32

논문 아이디어 netflix prize/기타2008. 2. 13. 14:32

k-NN
factorization
RBM(Restricted BoltzMann Machines)
asymmetric factor models

네 가지의 blending(ensemble)을 이용한 실용적인 추천시스템 고안
네 가지의 주요 알고리즘의 성능 분석(비교대조)

:
Posted by Kwang-sung Jun