역물류 환경 인터넷 경매를 위한 요소 선택 응용 추천 시스템
Feature Selection Applied to Recommender Systems for Reverse Logistics Internet Auction
0
조회
0
다운로드
2
인용
0
참고문헌
초록
다양한 데이터 마이닝 기법들의 발전과 더불어, 속성 (Feature 또는 Attribute) 의 범위 (Dimension) 를 줄이기 위해 많은 요소 선택 방법이 개발되었다. 이는 확장성 (Scalability) 을 향상시킬 수 있고 학습 모델 (Learning Model) 을 더욱 쉽게 해석할 수 있도록 한다. 이 논문에서는 네스티드 분할 (Nested Partition, 이하 NP) 을 이용한 새로운 최적화 기반 속성 선택 방법을 NP 기본 구조와 다양한 실험 문제의 수치적 결과들과 함께 제시하여 어떻게 NP의 최적화 구조가 속성 선택 과정에 기여를 하고 있는지 보여준다. 그리고 이 새로운 지능적인 분할 방법이 어떻게 매우 효율적인 분할을 수행하는지를 제시한다. 이 새로운 속성 선택 방법은 필터 (Filter) 방법과 래퍼 (Wrapper) 방법 두 가지로 구현될 수 있다. 사례 연구로서, B2B e-비즈니스 시스템에서 효과적으로 사용될 수 있는 추천 시스템 (Recommender System) 을 제안하였다. 이 추천 시스템은 분류 기법 (Classification Rule) 과 제시된 NP 기반 요소 선택 방법을 사용하고 있다. 이 추천 시스템은 사용자의 인터넷 경매 참여를 추천하는데 사용되며, 이 때 제안된 요소 선택 앨고리듬은 추천 규칙들이 쉽게 이해될 수 있도록 모델을 간략화 하는데 사용된다.
참고문헌 (12)
- "UCI Repository of machine learning databases", pp.~31 (1998)
- "Feature selection via mathematical programming", 10(2), pp.209~217 (1998)
- "Correlation-based feature selection for discrete and numeric class machine learning" (1998), Stanford University
- "Feature selection in unsupervised learning via evolutionary search" (2000)
- "Feature Extraction, Construction and Selection" (1998), Kluwer Academic Publishers
- "A branch and bound algorithm for feature subset selection IEEE Transactions on Computers", pp.917~922 (1977)
- "Intelligent partitioning for feature selection" (2005)
- "Experimental study of scalability enhancements for reverse logistics E-Commerce" (2001)
- "Nested partitions method for global optimization", 48, pp.390~407 (2000)
- "Data mining: practical machine learning tools and techniques with Java implementations" (2000), Morgan Kaufmann
- "Feature subset selection using a genetic algorithm" (1998)
- "Feature subset selection using a genetic algorithm" (1998)