• International Journal of Advanced Culture Technology
• /
• 제1권2호
• /
• pp.1-6
• /
• 2013

In this paper, we evaluate performance of existing similarity measurement metric and propose a novel method using user's preferences information entropy to reduce MAE in memory-based collaborative recommender systems. The proposed method applies a similarity of individual inclination to traditional similarity measurement methods. We experiment on various similarity metrics under different conditions, which include an amount of data and significance weighting from n/10 to n/60, to verify the proposed method. As a result, we confirm the proposed method is robust and efficient from the viewpoint of a sparse data set, applying existing various similarity measurement methods and Significance Weighting.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제3권4호
• /
• pp.366-375
• /
• 2009

In collaborative filtering, many neighbors are needed to improve the quality and stability of the recommendation. The quality may not be good mainly due to the high similarity between two users not guaranteeing the same preference for products considered for recommendation. This paper proposes a consistency definition, rather than similarity, based on information entropy between two users to improve the recommendation. This kind of consistency between two users is then employed as a trust metric in collaborative filtering methods that select neighbors based on the metric. Empirical studies show that such collaborative filtering reduces the number of neighbors required to make the recommendation quality stable. Recommendation quality is also significantly improved.

• Journal of Information Processing Systems
• /
• 제18권2호
• /
• pp.208-222
• /
• 2022

Through the analysis of the coordination mechanism of the supply chain system of China's automobile manufacturing industry, the factors affecting the supply subsystem, the manufacturing subsystem, the sales subsystem, and the consumption subsystem are sorted out, the supply chain coordination index system based on the influence factor of four subsystems is established. The evaluation models of the coordination degree in the subsystem of the supply chain, the coordination degree among the subsystems, and the comprehensive coordination degree are established by using the efficiency coefficient method and the collaborative entropy method. Experimental results verify the accuracy of the evaluation model using the empirical analysis of the collaborative evaluation index data of China's automobile manufacturing industry from 2000 to 2019. The supply chain synergy of automobile manufacturing industry was low from 2001 to 2005, and it increased to a certain extent from 2006 to 2008 with a small growth rate from 0.10 to 0.15. From 2009 to 2013, the supply chain synergy of automobile manufacturing industry increased rapidly from 0.24 to 0.49, and it also increased rapidly but fluctuated from 2014 to 2019, first rising from 0.68 to 0.84 then dropping to 0.71. These results provide reference for the development of China's automobile manufacturing supply chain system and scientific decision-making basis for the formulation of relevant policies of the automobile manufacturing industry.

• International Journal of Internet, Broadcasting and Communication
• /
• 제5권2호
• /
• pp.5-10
• /
• 2013

We proposed a novel similarity measure using weighted difference entropy (WDE) to improve the performance of the CF system. The proposed similarity metric evaluates the entropy with a preference score difference between the common rated items of two users, and normalizes it based on the Gaussian, tanh and sigmoid function. We showed significant improvement of experimental results and environments. These experiments involved changing the number of nearest neighborhoods, and we presented experimental results for two data sets with different characteristics, and results for the quality of recommendation.

• 스마트미디어저널
• /
• 제1권2호
• /
• pp.6-11
• /
• 2012

HEVC 표준에서 변환 계수 부호화 과정은 비트스트림에 포함되는 정보를 직접 부호화하는 핵심 부분으로 변환 계수 주사와 엔트로피 부호화를 포함한다. 최근, JCT-VC(Joint Collaborative Team on Video Coding)는 HEVC 위원회 초안(Committee Draft)을 완성했다. 본 논문에서는 HEVC 표준의 변환 계수 부호화 기술을 설명하고, 화면내 부호기에서의 변환 계수 발생확률을 고려한 효율적인 변환 계수 부호화 기술을 제안한다. 제안하는 방법은 기존 HEVC 변환 계수 부호화 기술에 비해 평균 0.74%의 BD-Rate를 절약한다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권7호
• /
• pp.581-591
• /
• 2005

협력적 여과 시스템은 희박성과 단지 두 고객만의 선호도에 따른 상관 관계로 추천을 제공한다는 문제점과 군집내의 가장 유사한 두 사용자만의 상관 관계에 의하여 추천을 한다는 단점이 있다. 또한, 상품의 내용을 기반으로 하지 않고 선호도만을 기반으로 하므로 추천의 정확도가 사용자에 의해 평가한 자료에만 의존한다는 문제점도 있다. 이와 같이 평가된 자료를 추천에 이용할 경우, 모든 사용자가 모든 상품에 대해 성의 있게 평가할 수는 없으므로 추천의 정확도가 낮아지는 결과를 가져온다. 따라서 본 논문에서는 엔트로피을 사용하여 사용자가 상품에 대하여 평가한 자료를 기반으로 검증되지 않은 사용자를 제외시키고, 다음으로 사용자 프로파일을 생성한 후 사용자를 군집시키며, 마지막으로 그룹의 대표 선호도를 추출하는 방법을 제안한다. 기존의 사용자 군집을 이용한 방법은 군집내의 사용자만을 대상으로 유사한 사용자를 찾으므로 희박성은 해결할 수 있으나 그 외의 단점을 해결하지 못하였다. 제안한 방법에서는 상품에 대해 평가한 선호도 뿐만 아니라 상품에 대한 정보를 반영하기 위하여 연관 단어 마이닝의 방법에 의해 협력적 사용자의 프로파일을 생성하고, 이를 기반으로 벡터 공간 모델과 K-means 알고리즘에 의해 사용자를 군집시킨다. 군집된 사용자를 대상으로 상품의 선호도와 사용자의 엔트로피를 병합함으로써 최종적으로 그룹의 대표 선호도를 추출한다. 대표 선호도를 이용한 추천 시스템은 한 사용자의 부정확한 선호도를 기반으로 추천을 하는 경우에 나타나는 추천의 부정확도 문제를 해결하며, 군집내의 가장 유사한 두 사용자만의 상관 관계에 의하여 추천을 하는 단점을 보완하고, 또한 그룹 내에 가장 유사한 사용자를 찾는 데 소요되는 시간을 절약할 수 있다는 장점을 갖는다.

• 방송공학회논문지
• /
• 제16권6호
• /
• pp.1036-1046
• /
• 2011

ITU-T VCEG과 ISO/IEC MPEG은 공동으로 JCT-VC(Joint Collaborative Team on Video Coding) 를 구성하여 차세대 비디오 코덱 HEVC(High Efficiency Video Coding)에 대한 표준화를 진행하고 있다. HEVC에서 사용되고 있는 양자화 및 역 양자화는 TU(Transform Unit)내 모든 위치의 변환계수에 동일한 크기의 양자화 및 역 양자화를 수행한다. TU내의 변환계수는 동일하게 분포되어 있지 않으므로 모든 위치의 변환계수에 동일한 크기의 양자화 및 역 양자화를 수행하는 것은 비효율적이다. 또한 주사 순서상 뒤쪽에 있는 양자화 된 계수는 엔트로피 부호화 방법상 비효율적 일 수도 있다. 이 논문에서는 엔트로피 부호화의 효율성을 고려하여 TU 내 변환계수의 위치에 따라 다른 크기의 양자화를 수행하여 성능을 향상시키는 알고리즘을 제시한다. 이 알고리즘의 원리는 양자화 된 계수 분포의 통계적 특징에 따른 TU의 주사 순서에 따라 다른 크기의 양자화 및 역 양자화를 수행하는 것이다. 이 알고리즘은 평균 Y BD-rate 0.34% 의 압축률 향상을 나타내었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권4호
• /
• pp.248-257
• /
• 2002

군집화는 객체들의 특성을 분석하여 유사한 성질을 갖고 있는 객체들을 동일한 집단으로 분류하는 방법이다. 전자 상거래 자료처럼 차원 수가 많고 누락 값이 많은 자료의 경우 입력 자료의 차원축약, 잡음제거를 목적으로 SVD를 사용하여 군집화를 수행하는 것이 효과적이지만, SVD를 통해 변환된 자료는 원래의 속성 정보를 상실하기 때문에 군집 결과분석에서 원본 속성의 가치 해석이 어렵다. 따라서 본 연구는 군집화 수행 후 엔트로피 가중치 및 SVD를 이용하여 군집의 중요한 속성을 발견하기 위한 군집 특징 선택 기법 ENTROPY-SVD를 제안한다. ENTROPY-SVD는 자료의 속성들과 유사객체 군과의 묵시적인 은닉 구조를 활용하기 위하여 SVD를 이용하고 유사객체 군에 포함된 응집도가 높은 속성들을 발견하기 위하여 엔트로피 가중치를 사용한다. 또한 ENTROPY-SVD를 적용한 모델 기반의 협력적 여과기법의 추천 시스템 CFS-CF를 제안하고 그 효용성 및 효과를 평가한다.

• Management Science and Financial Engineering
• /
• 제11권3호
• /
• pp.137-153
• /
• 2005

Collaborative filtering-based recommendation systems make personalized recommendations based on users' ratings on products. Recommender systems must collect sufficient rating information from users to provide relevant recommendations because less user rating information results in poorer performance of recommender systems. To learn about new users, recommendation systems must first present users with an initial item list. In this study, we designed and analyzed seven selection strategies including the popularity, favorite, clustering, genre, and entropy methods. We investigated how these strategies performed using MovieLens, a public dataset. While the favorite and popularity methods tended to produce the highest average score and greatest average number of ratings, respectively, a hybrid of both favorite and popularity methods or a hybrid of demographic, favorite, and popularity methods also performed within acceptable ranges for both rating scores and numbers of ratings.

• 한국컴퓨터정보학회논문지
• /
• 제24권9호
• /
• pp.77-82
• /
• 2019

Collaborative filtering is a popular technique for recommender systems and used in many practical commercial systems. Its basic principle is select similar neighbors of a current user and from their past preference information on items the system makes recommendations for the current user. One of the major problems inherent in this type of system is data sparsity of ratings. This is mainly caused from the underlying similarity measures which produce neighbors based on the ratings records. This paper handles this problem and suggests a new similarity measure. The proposed method takes users rating patterns into account for computing similarity, without just relying on the commonly rated items as in previous measures. Performance experiments of various existing measures are conducted and their performance is compared in terms of major performance metrics. As a result, the proposed measure reveals better or comparable achievements in all the metrics considered.