강건한 모바일 컨텍스트 인식 추천기를 위한 인과 의존성 발견 및 활용

컨텍스트의 획득은 모바일 컨텍스트 인식 추천 시스템에 고유한 도전을 제기합니다. 이러한 시스템의 제한된 자원은 컨텍스트 획득을 최소화하는 것이 실제적인 필요로 만들고, 모바일 환경의 불확실성은 누락된 및 잘못된 컨텍스트 입력을 주요 문제로 만듭니다. 본 논문에서는 컨텍스트 획득을 최소화하기 위해 베이지안 네트워크(BN)를 기반으로 한 추천 시스템 구축 접근법을 제안합니다. 우리의 학습 접근법은 BN 기반의 컨텍스트 모델을 반복적으로 다듬어 사용자가 중요하게 여기는 최소한의 컨텍스트 매개변수 집합만 포함하도록 합니다. 또한, 이중 계층 컨텍스트 모델이 컨텍스트 매개변수 간의 인과 의존성을 효과적으로 포착할 수 있어, 추천 시스템이 누락된 및 잘못된 컨텍스트 입력을 보완할 수 있도록 함을 보여줍니다. 우리는 제안된 기술을 레스토랑 추천 데이터 세트와 웹 페이지 추천 데이터 세트에서 검증했습니다. 두 기준 문제 모두에서 특정 사용자에 대해 신뢰할 수 있는 최소한의 컨텍스트 집합을 발견할 수 있었습니다. 게다가, 학습된 베이지안 네트워크는 누락된 및 잘못된 컨텍스트 입력을 극복하여 더 정확한 예측을 생성하는 데 있어 J4.8 결정 나무보다 일관되게 우수한 성능을 발휘합니다.