본문 바로가기
KERD
논문KCI 등재

Word2Vec과 앙상블 합성곱 신경망을 활용한 영화추천 시스템의 정확도 개선에 관한 연구

A Study on the Accuracy Improvement of Movie Recommender System Using Word2Vec and Ensemble Convolutional Neural Networks

강부식
한국디지털정책학회 (The Society of Digital Policy & Management)|2019.01|디지털융복합연구 (Journal of Digital Convergence)|제17권 제1호|pp. 123-130|DOI https://doi.org/10.14400/JDC.2019.17.1.123

2

조회

0

다운로드

9

인용

0

참고문헌

키워드

딥러닝Deep Learning합성곱 신경망Collaborative Filtering추천시스템Recommender Systems협업필터링앙상블 모델Ensemble ModelConvolutional Neural Networks텍스트 분석(Word2Vec)Text Analysis(Word2Vec)

초록

웹 추천기법에서 가장 많이 사용하는 방식 중의 하나는 협업필터링 기법이다. 협업필터링 관련 많은 연구에서 정확도를 개선하기 위한 방안이 제시되어 왔다. 본 연구는 Word2Vec과 앙상블 합성곱 신경망을 활용한 영화추천 방안에 대해 제안한다. 먼저 사용자, 영화, 평점 정보에서 사용자 문장과 영화 문장을 구성한다. 사용자 문장과 영화 문장을 Word2Vec에 입력으로 넣어 사용자 벡터와 영화 벡터를 구한다. 사용자 벡터는 사용자 합성곱 모델에 입력하고, 영화 벡터는 영화 합성곱 모델에 입력한다. 사용자 합성곱 모델과 영화 합성곱 모델은 완전연결 신경망 모델로 연결된다. 최종적으로 완전연결 신경망의 출력 계층은 사용자 영화 평점의 예측값을 출력한다. 실험결과 전통적인 협업필터링 기법과 유사 연구에서 제안한 Word2Vec과 심층 신경망을 사용한 기법에 비해 본 연구의 제안기법이 정확도를 개선함을 알 수 있었다.

Abstract

One of the most commonly used methods of web recommendation techniques is collaborative filtering. Many studies on collaborative filtering have suggested ways to improve accuracy. This study proposes a method of movie recommendation using Word2Vec and an ensemble convolutional neural networks. First, in the user, movie, and rating information, construct the user sentences and movie sentences. It inputs user sentences and movie sentences into Word2Vec to obtain user vectors and movie vectors. User vectors are entered into user convolution model and movie vectors are input to movie convolution model. The user and the movie convolution models are linked to a fully connected neural network model. Finally, the output layer of the fully connected neural network outputs forecasts of user movie ratings. Experimentation results showed that the accuracy of the technique proposed in this study accuracy of conventional collaborative filtering techniques was improved compared to those of conventional collaborative filtering technique and the technique using Word2Vec and deep neural networks proposed in a similar study.

참고문헌 (20)

  1. 강부식, "신뢰관계 기반 사회연결망의 구조적 공백을 활용한 추천 알고리즘의 예측 정확도 개선", 한국지식정보기술학회 논문지, 12(1), pp.209~217 (2017), 한국지식정보기술학회[DOI]
  2. 강부식, "Word2Vec을 이용한 사용자기반 협업필터링의 예측 정확도 개선", 한국지식정보기술학회 논문지, 13(1), pp.169~176 (2018), 한국지식정보기술학회[DOI]
  3. B. Sarwar, "Item-based collaborative filtering recommendation algorithms", Proceedings of the 10th International Conference on World Wide Web, pp.285~295 (2001)
  4. T. Mikolov, "Distributed representations of words and phrases and their compositionality", Advances in Neural Information Processing Systems, 26, pp.3111~3119 (2013)
  5. 김정미, "Word2vec을 활용한 RNN기반의 문서 분류에 관한 연구", 한국지능시스템학회 논문지, 27(6), pp.560~565 (2017), 한국지능시스템학회
  6. 김도우, "Doc2Vec과 Word2Vec을 활용한 Convolutional Neural Network 기반 한국어 신문 기사 분류", 정보과학회논문지, 44(7), pp.742~747 (2017), 한국정보과학회
  7. 이동엽, "워드 임베딩을 이용한 아마존 패션 상품 리뷰의 사용자 감성 분석", 한국융합학회논문지, 8(4), pp.1~8 (2017), 한국융합학회[DOI]
  8. B. Oren, "Item2vec: neural item embedding for collaborative filtering", 2016 IEEE 26th International Workshop on Machine Learning for Signal Processing, pp.1~6 (2016)
  9. G. S. Jeon, "Word2Vec based collaborative filtering for movie Rating prediction", Korea Software Congress 2017, pp.844~846 (2017)
  10. 성재경, "O2O 쇼핑몰 플랫폼 서비스디자인을 위한 딥 러닝 기반의 이미지 검색 시스템", 디지털융복합연구, 15(7), pp.213~222 (2017), 한국디지털정책학회[DOI]
  11. 백수진, "VAE를 이용한 의미적 연결 관계 기반 다중 문서 요약 기법", 디지털융복합연구, 15(12), pp.341~347 (2017), 한국디지털정책학회[DOI]
  12. R. Devooght, "Collaborative filtering with recurrent neural networks", arXiv preprint arXiv:1608.07400, ~ (2016)
  13. 권명하, "임베딩을 활용한 순환 신경망 기반 추천 모델의 성능 향상 기법", 정보과학회논문지, 45(7), pp.659~666 (2018), 한국정보과학회[DOI]
  14. 강부식, "Word2Vec과 심층 신경망을 활용한 영화추천 시스템의 정확도 개선", 한국지식정보기술학회 논문지, 13(5), pp.561~568 (2018), 한국지식정보기술학회[DOI]
  15. B. T. Zhang, "Deep hypernetwork models", Communications of the Korean Institute of Information Scientists and Engineers, 33(8), pp.11~24 (2015)
  16. 권명규, "계층적 CNN을 이용한 방송 매체 내의 객체 인식 시스템 성능향상 방안", 디지털융복합연구, 15(3), pp.201~209 (2017), 한국디지털정책학회[DOI]
  17. G. Guo, "A novel bayesian similarity measure for recommender systems", Proceedings of the 23th International Joint Conference on Artificial Intelligence, pp.2619~2625 (2013)
  18. Y. LeCun, "Gradient-based learning applied to document recognition", Proceedings of the Institute of Electrical and Electronics Engineers, 86(11), pp.2278~2324 (1998)
  19. "Gensim" (2017)[URL]
  20. "Librec" (2016)[URL]

관련 논문AI추천

Word2Vec과 2채널 합성곱 신경망을 활용한 영화추천시스템의 정확도 개선강부식한국지식정보기술학회 · 한국지식정보기술학회 논문지2021 · 제16권 제2호Word2Vec과 심층 신경망을 활용한 영화추천 시스템의 정확도 개선강부식한국지식정보기술학회 · 한국지식정보기술학회 논문지2018 · 제13권 제5호Word2Vec을 이용한 사용자기반 협업필터링의 예측 정확도 개선강부식한국지식정보기술학회 · 한국지식정보기술학회 논문지2018 · 제13권 제1호새로운 사용자 문제 개선을 위한 워드임베딩 학습과 Skip-gram 모델링 기반의 추천 시스템김경창, 신수미한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2016 · 제21권 제7호워드 임베딩과 CNN을 사용하여 영화 리뷰에 대한 감성 분석윤성욱, 주명길(사)디지털산업정보학회 · (사)디지털산업정보학회 논문지2019 · 제15권 제1호Fuzzy-AHP와 Word2Vec 학습 기법을 이용한 영화 추천 시스템오재택, 이상용한국디지털정책학회 · 디지털융복합연구2020 · 제18권 제1호

이 간행물의 다른 논문 (21건)

4차 산업혁명 시대의 채용경향: 자율주행자동차산업 관련 기업의 채용경향성 분석허성호, 장혜영pp. 1-8문화체육관광부의 지식관리 비전과 시사점에 대한 연구이향수, 이성훈pp. 29-36대학 교수학습센터(CTL) 20년 운영 과정 분석: 신제도주의 동형화 이론을 중심으로장덕호, 김기범pp. 43-53IoT 기반 건물 내부 지도 및 화재 안내 시스템에 관한 연구문성룡, 조준호pp. 85-90행위자 기반의 의견 표출 행동 모형: 대학 수업을 중심으로이성룡pp. 99-109
원문 보기