KR101361208B1 - Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ을 이용한 논문 추천 방법 - Google Patents

Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ을 이용한 논문 추천 방법 Download PDF

Info

Publication number
KR101361208B1
KR101361208B1 KR1020130032853A KR20130032853A KR101361208B1 KR 101361208 B1 KR101361208 B1 KR 101361208B1 KR 1020130032853 A KR1020130032853 A KR 1020130032853A KR 20130032853 A KR20130032853 A KR 20130032853A KR 101361208 B1 KR101361208 B1 KR 101361208B1
Authority
KR
South Korea
Prior art keywords
node
thesis
article
information
paper
Prior art date
Application number
KR1020130032853A
Other languages
English (en)
Inventor
하지운
권순형
김상욱
Original Assignee
한양대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020130032853A priority Critical patent/KR101361208B1/ko
Application granted granted Critical
Publication of KR101361208B1 publication Critical patent/KR101361208B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

Belief propagation을 이용한 논문 추천 방법이 개시된다. 타겟 사용자에게 논문을 추천하는 방법은 논문 추천 시스템이 논문의 인용 정보를 기초로 그래프를 모델링하는 단계, 상기 모델링된 그래프의 각 노드에 대한 프라이어를 상기 타겟 사용자의 논문 열람 정보를 기초로 설정하는 단계, 상기 프라이어가 설정된 그래프를 기초로 신뢰 전파(Belief propagation) 알고리즘을 이용하여 상기 타겟 사용자의 각 논문에 대한 관심 확률을 산출하는 단계 및 상기 산출된 관심 확률을 기초로 논문을 추천하는 단계를 포함할 수 있다.

Description

Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ을 이용한 논문 추천 방법{METHOD FOR RECOMMENDING PAPERS USING BELIEF PROPAGATION}
본 발명의 실시예들은 온라인 라이브러리에 축적된 다수의 기존 논문과 온라인 라이브러리에 새로 유입된 신규 논문을 추천하는 방법에 관한 것이다.
기존의 논문 추천 방법들은 연구자의 관심 논문 정보를 이용하여 연구자가 보지 않은 논문에 대하여 특정 개수의 논문을 추천하는 것을 목표로 한다. 이러한 목표를 달성하기 위한 가장 기본적인 방법은 협업 필터링에 기반한 논문 추천 방법이다. 협업 필터링은 타겟 사용자와 유사한 사용자들의 정보를 통해 각 상품에 대한 타겟 사용자의 평가를 예측하여 개인화된 추천을 하는 방법으로 널리 사용되는 추천 방법 중 하나이다.
일 예로, 한국공개특허공보 제10-2010-0070661호(공개일: 2010년 6월 28일) "추천 항목 제공 장치 및 방법"에는 제1 사용자의 컨텍스트 정보를 이용하여 필터링 대상 항목을 추출하고, 협업 필터링 방식으로 상기 필터링 대상 항목 중 추천 항목 목록을 추출한 후 상기 추출된 추천 항목 목록을 제공하는 것이 개시되어 있다.
그러나, 이러한 협업 필터링을 이용한 추천 방법은 타겟 사용자가 어떠한 상품에도 평가한 기록이 없다면 해당 사용자에게 추천을 할 수 없기 때문에, 새로 유입되는 신규 논문에 대해서도 평가 기록이 없기 때문에 신규 논문을 추천을 할 수가 없다.
한편, 이외의 방법으로는 컨텐츠 기반 논문 추천 방법이 있다. 이 방법은 신규 논문 추천에는 문제가 없지만, 온라인 라이브러리에 축적된 논문을 추천함에 있어 협업 필터링에 기반한 방법보다 정확도 측면에서 떨어지는 문제가 있다.
따라서, 사용자가 원하는 논문을 보다 정확하게 추천할 수 있으며, 기존 논문뿐만 아니라 신규 논문까지 추천할 수 있는 방법이 요구되고 있다.
사용자가 원하는 논문을 보다 정확하게 추천할 수 있는 Belief propagation을 이용한 논문 추천 방법이 제공된다.
기존 논문뿐만 아니라 신규 논문까지 추천할 수 있는 Belief propagation을 이용한 논문 추천 방법이 제공된다.
타겟 사용자에게 논문을 추천하는 방법은 논문 추천 시스템이 논문의 인용 정보를 기초로 그래프를 모델링하는 단계, 상기 모델링된 그래프의 각 노드에 대한 프라이어를 상기 타겟 사용자의 논문 열람 정보를 기초로 설정하는 단계, 상기 프라이어가 설정된 그래프를 기초로 신뢰 전파(Belief propagation) 알고리즘을 이용하여 상기 타겟 사용자의 각 논문에 대한 관심 확률을 산출하는 단계 및 상기 산출된 관심 확률을 기초로 논문을 추천하는 단계를 포함할 수 있다.
일측에 따르면, 상기 모델링하는 단계는 상기 논문의 인용 정보를 기초로 상기 논문을 노드로 하고 상기 인용 정보를 에지로 하는 비방향성 그래프를 모델링하는 단계일 수 있다.
다른 측면에 따르면, 상기 설정하는 단계는 상기 타겟 사용자의 논문 열람 정보 및 상기 타겟 사용자가 프라이어를 설정하고자 하는 논문을 열람한 시점 정보를 기초로 상기 프라이어를 설정하는 단계일 수 있다.
또 다른 측면에 따르면, 상기 설정하는 단계 이후에 상기 노드의 이웃 노드의 상태에 따라 상기 노드가 관심 상태 또는 비관심 상태에 속할 확률을 나타내는 파급 행렬을 설정하는 단계를 더 포함할 수 있다.
또 다른 측면에 따르면, 상기 산출하는 단계는 기 결정된 임계값 이하로 상기 노드의 신뢰값이 수렴할 때까지 각 노드의 신뢰값을 포함하는 메시지를 각 노드 간에 전달하는 메시지 패싱을 수행하는 단계 및 상기 메시지 패싱이 수행된 각 노드에 대한 신뢰값을 계산함으로써 상기 타겟 사용자의 각 논문에 대한 관심 확률을 산출하는 단계를 포함할 수 있다.
또 다른 측면에 따르면, 상기 추천하는 단계는 상기 논문을 상기 계산된 신뢰값을 기초로 정렬하는 단계 및 상기 논문의 정렬 순서에 따라 기 설정된 개수의 논문을 추천하는 단계를 포함할 수 있다.
논문의 인용 정보를 기초로 그래프를 모델링하고, 모델링된 그래프의 각 노드에 대한 프라이어를 타겟 사용자의 논문 열람 정보를 기초로 설정한 후 프라이어가 설정된 그래프를 기초로 BP(Belief propagation) 알고리즘을 이용하여 타겟 사용자의 각 논문에 대한 관심 확률을 산출함으로써 사용자가 원하는 논문을 보다 정확하게 추천할 수 있다.
BP 알고리즘 기반의 그래프 모델에서 노드의 상태를 기초로 논문을 추천하기 때문에 기존 논문뿐만 아니라 신규 논문까지 추천할 수 있다.
도 1은 본 발명의 일실시예에 있어서, Belief propagation을 이용한 논문 추천 방법을 나타내는 흐름도이다.
도 2는 본 발명의 일실시예에 있어서, 그래프를 구성하는 과정을 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 있어서, 파급행렬을 나타내는 도면이다.
도 4는 본 발명의 일실시예에 있어서, Belief propagation에서의 메시지 조합 방법을 설명하기 위한 도면이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 있어서, Belief propagation을 이용한 논문 추천 방법을 나타내는 흐름도이다.
본 발명에 따른 논문 추천 시스템은 신뢰 전파(BP: Belief Propagation)라는 확률 기반의 그래프 모델에서의 노드의 상태를 기초로 논문을 추천한다. 모든 논문들은 해당 주제와 연관된 논문들을 인용하고 있다. 따라서, 연구자의 관심 논문을 인용하는 논문이 있다면, 해당 논문은 연구자의 관심 분야와 같은 분야의 논문일 확률이 높다. 그러므로, 논문 간의 인용 관계는 논문을 노드로, 인용정보를 에지로 하는 비방향성 그래프로 나타낼 수 있다. 이러한 그래프에서 사용자가 관심을 가질 만한 논문을 찾는 문제는 연구자의 관심 노드와 관련도가 높은 노드를 찾는 확률 기반의 그래프 모델로 나타낼 수 있다. BP는 노드들의 상태를 결정하기 위하여 타겟 노드의 주변 노드의 정보로부터 타겟 노드가 특정 상태일 확률을 계산한다. 이를 논문과 논문간의 관계로 이루어진 그래프에 적용하면 타겟 사용자가 각 논문에 관심을 가질 확률을 계산할 수 있다. 최종적으로, 계산된 결과를 바탕으로 타겟 연구자가 관심을 가질만한 확률이 높은 순으로 상위 n개의 논문을 추천한다.
이하, 도 1을 참조하여 본 발명에 따른 논문 추천 방법을 보다 상세히 설명한다.
본 발명에 따른 논문 추천 방법은 시행되고자 하는 온라인 라이브러리 구축 및 논문 정보 수집(110)이 완료된 후에 수행될 수 있다. 온라인 라이브러리의 구축이 완료되어 있으면, 논문 추천 시스템은 각 연구자들이 저술한 논문의 정보나 열람 정보 등을 이용하여 각 연구자들의 논문 열람 기록을 파악하고(120) 이를 통하여 데이터를 축적한다. 그리고, 온라인 라이브러리에 수집된 논문을 이용하여 논문의 인용 정보를 기초로 그래프를 모델링한다(130).
이와 같은 과정을 통해 그래프 구성이 완료되면, 논문 추천 시스템은 추천해야 할 타겟 사용자의 논문 열람 정보를 바탕으로 상기 그래프의 각 노드에 대한 프라이어를 설정한다(140). 이 때, 논문 추천 시스템은 타겟 사용자의 논문 열람 정보와 타겟 사용자가 프라이어를 설정하고자 하는 논문을 열람한 시점 정보를 기초로 각 노드에 대한 프라이어를 설정할 수도 있다. 한편, 논문 추천 시스템은 각 노드에 대한 프라이어를 설정 시 노드의 이웃 노드의 상태에 따라 해당 노드가 관심 상태 또는 비관심 상태에 속할 확률을 나타내는 파급 행렬을 설정할 수 있다.
프라이어가 설정되면, 논문 추천 시스템은 프라이어가 설정된 그래프를 기초로 신뢰 전파(Belief propagation) 알고리즘을 이용하여 상기 타겟 사용자의 각 논문에 대한 관심 확률을 산출하고 이를 기초로 논문을 추천한다.
구체적으로, 논문 추천 시스템은 프라이어가 설정된 이후 모든 노드에 메시지가 전달되고, 노드의 신뢰값이 기 결정된 임계값 이하로 수렴할 때까지 각 노드의 신뢰값을 포함하는 메시지를 각 노드 간에 전달하는 메시지 패싱을 수행한다(150).
이후, 논문 추천 시스템은 모든 사용자에 대해 메시지 패싱이 수행되면(170), 메시지 패싱이 수행된 각 노드에 대한 신뢰값을 계산함으로써 타겟 사용자의 각 논문에 대한 관심 확률을 산출하고, 이를 기초로 논문을 정렬한 후 논문의 정렬 순서에 따라 기 설정된 개수의 논문을 추천한다(180). 그리고, 모든 사용자에 대해 논문을 각각 추천하고 싶은 경우에는, 추천해야 할 타겟 연구자의 논문 열람 정보를 바탕으로 노드의 프라이어를 설정하는 과정부터 전체 알고리즘을 반복 수행하게 된다.
논문 추천 시스템은 이와 같이 사용자에게 논문을 추천한 이후에도 사용자 논문 열람 및 논문 목록 업데이트를 확인하여(190), 업데이트가 되었으면 각 연구자들의 논문 열람 기록을 파악하는 과정을 반복 수행한 후 사용자에게 아이템을 추천하게 된다.
도 2는 본 발명의 일실시예에 있어서 그래프를 구성하는 과정을 설명하기 위한 도면이고, 도 3은 본 발명의 일실시예에 있어서 파급행렬을 나타내는 도면이며, 도 4는 본 발명의 일실시예에 있어서 Belief propagation에서의 메시지 조합 방법을 설명하기 위한 도면이다. 이하, 도 2 내지 도 4를 참조하여 논문을 추천하는 과정을 보다 상세히 설명한다.
본 발명에 따른 논문 추천 시스템은 논문의 인용 정보를 활용하여 논문 간의 관계를 그래프로 모델링하고, 이를 기반으로 BP를 이용하여 연구자의 논문에 대한 관심도를 추론한다. 이 때, 모델링되는 그래프는 도 2에 도시된 것과 같이 논문을 노드로, 인용 정보를 에지로 하는 비방향성 그래프일 수 있다. 이와 같이, 본 발명에 따른 논문 추천 시스템은 도 2에 도시된 것과 같은 비방향성 그래프를 모델링함으로서 메시지 전달에 있어서 방향성이 없어지기 때문에 피인용정보와 인용정보를 동시에 사용할 수 있게 된다. 이 때, 각 노드의 상태는 관심 상태 및 비관심 상태로 정의될 수 있다.
그래프가 모델링되면, 각 연구자의 논문 열람 기록을 바탕으로 노드 프라이어 벡터를 설정한다. 각 노드는 '관심' 프라이어, '비관심' 프라이어로 이루어진 노드 프라이어 벡터를 갖는다. 각각의 프라이어는 사용자가 해당 논문에 관심을 가질 확률과 관심을 갖지 않을 확률을 의미한다. 각 상태의 확률값은 0.1 내지 0.9 사이의 값을 가지며, 해당 노드의 모든 상태의 합은 1이 되도록 설정된다. 이 때, 각 상태의 값이 0 내지 1 사이의 값이 아닌 이유는 BP의 연산은 곱 연산으로 이루어져 있기 때문에 0 값을 사용할 수 없기 때문이다.
노드 프라이어 벡터를 설정하는 방법은 다음의 수학식 1과 같다. 수학식 1에서 ip 는 관심 노드 프라이어를 의미하며 np 는 비관심 노드 프라이어를 의미한다.
Figure 112013026546731-pat00001
노드 프라이어 벡터를 설정하는데 이용하는 기본적인 정보는 타겟 연구자의 해당 논문에 대한 열람 여부이다. 이외에 사용할 수 있는 추가 정보로는 해당 논문을 열람한 시점 정보가 있다. 노드 프라이어 벡터에 해당 논문을 열람한 시점 정보를 반영함으로써 사용자의 최근 연구 경향에 대하여 가중치를 줄 수 있다.
추가 정보를 이용하여 관심 노드 프라이어를 구하는 방법은 다음의 수학식 2와 같다. 수학식 2에서 k는 해당 노드 프라이어가 0 이 되지 않게 하기 위한 가중치이다. 수식에서 pp는 타겟 연구자가 프라이어 값을 설정하고자 하는 논문을 열람한 시점을 의미한다. drp는 시스템 내에서 가장 최근에 출판된 논문의 출판년도를 의미하며 dlp는 시스템 내에서 가장 오래된 논문의 출판년도를 의미한다.
Figure 112013026546731-pat00002
이러한 가중치의 차이를 통해 연구자의 최근 관심과 이전 관심에 대하여 차등을 주면 더욱 만족도 높은 추천을 할 수 있다. 한편, 논문 추천 시스템은 연구자가 열람하지 않은 논문에 대해서는 '관심' 프라이어와 '비관심' 프라이어를 각각 0.5로 설정할 수 있다.
노드 프라이어 벡터가 설정되면, 논문 추천 시스템은 도 3에 도시된 것과 같은 파급 행렬을 설정할 수 있다. 파급 행렬은 이웃 노드의 상태에 따라 임의의 노드가 각 상태에 속할 확률을 의미한다. 이웃 노드의 상태가 관심 상태일 때, 임의의 노드가 관심 상태일 확률을 0.5 + α, 비관심 상태일 확률을 0.5 -α 로 나타낼 수 있다. 이웃 노드의 상태가 비관심 상태일 때, 임의의 노드가 관심 상태일 확률을 0.5 - α, 비관심 상태일 확률을 0.5 + α로 나타낼 수 있다. 이 때, α 값은 underflow를 방지하기 위하여 매우 작은 값(예를 들어, 0.1)을 사용할 수 있다. 상기 α 값은 시스템의 특성에 따라서 유동적으로 바뀔 수 있다.
이와 같은 과정을 통하여 그래프가 모델링되고, 노드 프라이어 벡터가 설정되면, 논문 추천 시스템은 BP를 이용하여 그래프 내의 각 노드의 연구자의 관심 확률을 산출한다.
BP에서 노드들 간의 정보 교환은 메시지 패싱이라는 과정을 통해 이루어진다. 여기서 메시지란 임의의 노드가 특정 상태에 있을 확률에 대한 이웃 노드의 믿음을 의미한다. 메시지 또한 노드 프라이어와 마찬가지로 가능한 상태들에 대한 메시지를 요소로 하는 벡터를 가진다. 메시지 패싱 과정은 다음의 수학식 3과 같이 나타낼 수 있다.
Figure 112013026546731-pat00003
여기서,
Figure 112013026546731-pat00004
는 노드 i에서 j로 전파되는 메시지를 의미하며, 노드 j가
Figure 112013026546731-pat00005
상태일 가능성에 대한 노드 i의 믿음을 나타낸다. 노드 i에서 j로의 메시지는 노드 i가 j를 제외한 자신의 주변 노드로부터 받는 메시지들의 곱으로부터 생성한다.
Figure 112013026546731-pat00006
는 노드 i의 상태가
Figure 112013026546731-pat00007
일 경우, 그 이웃 노드 j가
Figure 112013026546731-pat00008
일 상태를 나타내는 값을 의미하며 파급 행렬의 값에 따라 설정된다.
Figure 112013026546731-pat00009
는 노드 프라이어를 의미하며, 노드 i의 상태가
Figure 112013026546731-pat00010
일 확률을 의미한다. 각 노드 사이의 메시지 패싱은 정해진 횟수 또는 반복에 따른 결과값의 차이가 임계값 이하가 될 때까지 반복 수행된다. 반복 수행 후, 메시지 벡터의 각 요소들의 합은 1이 되도록 정규화된다. 도 4는 일 예로, 가능한 노드의 상태가
Figure 112013026546731-pat00011
,
Figure 112013026546731-pat00012
두 가지인 경우, 노드 j가
Figure 112013026546731-pat00013
상태일 가능성에 대한 노드 i의 메시지를 계산하는 과정을 개념적으로 나타낸 것이다.
메시지 패싱 단계가 종료된 후에는 논문 추천 시스템은 각 노드에 대하여 신뢰(belief)값을 계산한다. 각 노드의 신뢰값은 해당 노드가 각 상태(관심 상태 또는 비관심 상태)일 확률을 나타낸다. 이러한 노드의 신뢰값 또한 메시지와 동일하게 가능한 상태의 신뢰값을 요소로 가지는 벡터의 형태로 표현될 수 있다. 신뢰값은 다음의 수학식 4를 통해 산출될 수 있다. 수학식 4에서, k는 belief 벡터의 각 요소의 합이 1이 되도록 정규화하기 위한 계수이다. 신뢰값을 계산한 후, '선호' 신뢰값이 높은 순으로 정렬한 후, 타겟 사용자마다 상위 n개의 논문을 추천한다.
Figure 112013026546731-pat00014
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (6)

  1. 타겟 사용자에게 논문을 추천하는 방법에 있어서,
    논문 추천 시스템이 논문의 인용 정보를 기초로 그래프를 모델링하는 단계;
    상기 모델링된 그래프의 각 노드에 대한 프라이어를 상기 타겟 사용자의 논문 열람 정보를 기초로 설정하는 단계;
    상기 프라이어가 설정된 그래프를 기초로 신뢰 전파(Belief propagation) 알고리즘을 이용하여 상기 타겟 사용자의 각 논문에 대한 관심 확률을 산출하는 단계; 및
    상기 산출된 관심 확률을 기초로 논문을 추천하는 단계
    를 포함하는 논문 추천 방법.
  2. 제1항에 있어서,
    상기 모델링하는 단계는,
    상기 논문의 인용 정보를 기초로 상기 논문을 노드로 하고 상기 인용 정보를 에지로 하는 비방향성 그래프를 모델링하는 단계인 것을 특징으로 하는 논문 추천 방법.
  3. 제1항에 있어서,
    상기 설정하는 단계는,
    상기 타겟 사용자의 논문 열람 정보 및 상기 타겟 사용자가 프라이어를 설정하고자 하는 논문을 열람한 시점 정보를 기초로 상기 프라이어를 설정하는 단계인 것을 특징으로 하는 논문 추천 방법.
  4. 제1항에 있어서,
    상기 설정하는 단계 이후에,
    상기 노드의 이웃 노드의 상태에 따라 상기 노드가 관심 상태 또는 비관심 상태에 속할 확률을 나타내는 파급 행렬을 설정하는 단계를 더 포함하는 것을 특징으로 하는 논문 추천 방법.
  5. 제1항에 있어서,
    상기 산출하는 단계는,
    기 결정된 임계값 이하로 상기 노드의 신뢰값이 수렴할 때까지 각 노드의 신뢰값을 포함하는 메시지를 각 노드 간에 전달하는 메시지 패싱을 수행하는 단계; 및
    상기 메시지 패싱이 수행된 각 노드에 대한 신뢰값을 계산함으로써 상기 타겟 사용자의 각 논문에 대한 관심 확률을 산출하는 단계
    를 포함하는 것을 특징으로 하는 논문 추천 방법.
  6. 제5항에 있어서,
    상기 추천하는 단계는,
    상기 논문을 상기 계산된 신뢰값을 기초로 정렬하는 단계; 및
    상기 논문의 정렬 순서에 따라 기 설정된 개수의 논문을 추천하는 단계
    를 포함하는 것을 특징으로 하는 논문 추천 방법.
KR1020130032853A 2013-03-27 2013-03-27 Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ을 이용한 논문 추천 방법 KR101361208B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130032853A KR101361208B1 (ko) 2013-03-27 2013-03-27 Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ을 이용한 논문 추천 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130032853A KR101361208B1 (ko) 2013-03-27 2013-03-27 Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ을 이용한 논문 추천 방법

Publications (1)

Publication Number Publication Date
KR101361208B1 true KR101361208B1 (ko) 2014-02-11

Family

ID=50270534

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130032853A KR101361208B1 (ko) 2013-03-27 2013-03-27 Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ을 이용한 논문 추천 방법

Country Status (1)

Country Link
KR (1) KR101361208B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101689499B1 (ko) * 2015-08-26 2016-12-26 한양대학교 산학협력단 신규 논문 추천 방법 및 상기 방법을 수행하는 신규 논문 추천 시스템
CN107710266A (zh) * 2015-08-06 2018-02-16 赫尔实验室有限公司 用于借助社交媒体识别用户兴趣的系统和方法
KR20180027312A (ko) * 2016-09-06 2018-03-14 한양대학교 산학협력단 문서 추천 정보를 제공하는 방법 및 이를 이용하는 문서 추천 정보 제공 장치
CN113392319A (zh) * 2021-05-13 2021-09-14 宁波大学 基于网络表示和辅助信息嵌入的学术论文推荐方法
KR102651469B1 (ko) 2023-01-30 2024-03-27 고려대학교 산학협력단 Ai기반 맞춤형 논문 추천 장치 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120033935A (ko) * 2010-09-30 2012-04-09 (주)광개토연구소 사용자 생성 특허 집합을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120033935A (ko) * 2010-09-30 2012-04-09 (주)광개토연구소 사용자 생성 특허 집합을 통한 특허 분쟁 예측 정보 생성 방법 및 그 시스템

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107710266A (zh) * 2015-08-06 2018-02-16 赫尔实验室有限公司 用于借助社交媒体识别用户兴趣的系统和方法
KR101689499B1 (ko) * 2015-08-26 2016-12-26 한양대학교 산학협력단 신규 논문 추천 방법 및 상기 방법을 수행하는 신규 논문 추천 시스템
KR20180027312A (ko) * 2016-09-06 2018-03-14 한양대학교 산학협력단 문서 추천 정보를 제공하는 방법 및 이를 이용하는 문서 추천 정보 제공 장치
KR101866411B1 (ko) * 2016-09-06 2018-06-19 한양대학교 산학협력단 문서 추천 정보를 제공하는 방법 및 이를 이용하는 문서 추천 정보 제공 장치
CN113392319A (zh) * 2021-05-13 2021-09-14 宁波大学 基于网络表示和辅助信息嵌入的学术论文推荐方法
KR102651469B1 (ko) 2023-01-30 2024-03-27 고려대학교 산학협력단 Ai기반 맞춤형 논문 추천 장치 및 방법

Similar Documents

Publication Publication Date Title
CN110297848B (zh) 基于联邦学习的推荐模型训练方法、终端及存储介质
Ding et al. Time-aware cloud service recommendation using similarity-enhanced collaborative filtering and ARIMA model
Yin et al. Structural link analysis and prediction in microblogs
CN109241415B (zh) 项目推荐方法、装置、计算机设备及存储介质
CN105701191B (zh) 一种推送信息点击率估计方法和装置
US9830365B1 (en) Determining influence across social networks
Rogge-Solti et al. Discovering stochastic petri nets with arbitrary delay distributions from event logs
KR101361208B1 (ko) Ｂｅｌｉｅｆ Ｐｒｏｐａｇａｔｉｏｎ을 이용한 논문 추천 방법
JP5454357B2 (ja) 情報処理装置および方法、並びに、プログラム
EP3179434A1 (en) Designing context-aware recommendation systems, based on latent contexts
CN108108821A (zh) 模型训练方法及装置
US9996537B2 (en) Systems and methods for automatic narrative creation
CN105069172B (zh) 兴趣标签生成方法
Borrajo et al. Bandwidth selection for kernel density estimation with length-biased data
Ristić et al. A mixed INAR (p) model
Abushal et al. Estimating the Pareto parameters under progressive censoring data for constant-partially accelerated life tests
Yildirim et al. Using random walks to generate associations between objects
JP5662299B2 (ja) 情報推薦装置及び方法及び装置及びプログラム
Moradi et al. A trust-aware recommender algorithm based on users overlapping community structure
MX2014007025A (es) Metodo y sistema para medir y mejorar la eficiencia de campañas de medios sociales.
TW201044298A (en) Hot video prediction system based on user interests social network
CN111783810A (zh) 用于确定用户的属性信息的方法和装置
US20170323218A1 (en) Method and apparatus for estimating multi-ranking using pairwise comparison data
JP6077984B2 (ja) アイテム推薦装置、アイテム推薦方法、およびアイテム推薦プログラム
JP5813052B2 (ja) 情報処理装置、方法及びプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180102

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 7