50 0

A Hybrid Recommendation using Deep Learning Networks with External Image Data

Title
A Hybrid Recommendation using Deep Learning Networks with External Image Data
Author
이동민
Alternative Author(s)
Dong Min LEE
Advisor(s)
이기천
Issue Date
2019. 8
Publisher
한양대학교
Degree
Master
Abstract
행렬분해기법 기반의 협업 필터링은 사용자의 특정 상품 구매여부를 추정하 는데 성공적이다. 행렬분해기법 기반의 협업필터링은 사용자-사용자와 상품상품의 상호관계를 고려하여 사용자들과 상품들의 상호 영향을 모델링한다. 그러나 이러한 협업 필터링 알고리즘은 상품 혹은 사용자 자체의 고유한 정보 를 내포하지 않는다. 실제로 상품 자체의 특성, 사용자의 정보 등은 추천 알 고리즘 작동시 예측력을 크게 향상시킬 수 있다. 본 논문에서는 딥러닝 기반 의 하이브리드 추천 알고리즘을 제시한다. 본 논문이 제시하는 모델은 합성곱 인공 신경망(Convolutional Neural Network)으로부터 추출된 아이템 이미지의 잠재 변수를 기존 행렬분해기법 기반의 모델과 통합하였다. 실험 결과에서 본 논문이 제시하는 모델을 아마존 상품 데이터에 대하여 기존 모델인 CF-UIcA 모델과 성능을 비교 하였다. 실험 결과, 상품의 이미지를 고려한 모델은 성능 이 더 우수함을 입증하였다. 또한, 두 개의 인공신경망을 병합하는 과정에서 아마다르 곱이 네트워크 간의 비선형성을 효율적으로 활용하여 일반적인 네트 워크 병합보다 더 높은 성능을 보인 것을 확인하였다.
Matrix Factorization based Collaborative Filtering is successful in predicting the user’s future purchases. This takes inter-relationship of user-to-user and item-to-item into account so that other users and items affect item recommendation for each user. However, this does not consider the items’ own latent features that may be useful in discovering users’ preferences. In this paper, we propose a new hybrid recommendation system: Image augmented Collaborative Filtering (IaCF). In our model, we incorporated image features of items using Convolutional Neural Network into MF based Collaborative Filtering model. We evaluated the proposed model on Amazon Product Dataset and compared Collaborative Filtering with User-Item co-Autoregressive Models. We figured out in our experiment that when we merge two networks, hamadard product of the two hidden layers performs better than simple concatenate function by capturing non-linearity of the two layers.
URI
http://dcollection.hanyang.ac.kr/common/orgView/000000110345http://repository.hanyang.ac.kr/handle/20.500.11754/109861
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > INDUSTRIAL ENGINEERING(산업공학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE