이 논문은 추천 시스템의 성능을 평가하는 데 있어 사용자 선호도 순위 일관성이 더 적절한 지표라고 주장한다. 기존의 추천 시스템 성능 평가 지표인 RMSE, MAE 등은 사용자 선호도 순위 예측 능력을 간접적으로 측정하는 대리 지표에 불과하다.
저자들은 일관성 기반 추천 시스템 방법(UC, SC)과 SVD 기반 방법, 그리고 AI 기반 방법(GLocalK)을 비교 실험했다. 그 결과 UC, SC, GLocalK 방법이 사용자 선호도 순위 일관성 측면에서 가장 우수한 성능을 보였다. 이는 SVD 기반 방법이 RMSE 등의 일반적인 성능 지표에서는 좋은 성과를 보이지만, 실제 사용자 선호도 순위 예측 능력은 상대적으로 떨어진다는 것을 보여준다.
저자들은 사용자 선호도 순위 일관성이 추천 시스템의 근본적인 목표이며, 이를 직접적으로 측정하는 것이 더 적절하다고 주장한다. 이를 통해 추천 시스템의 성능을 보다 정확하게 평가할 수 있을 것이다.
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Tung Nguyen,... ที่ arxiv.org 04-29-2024
https://arxiv.org/pdf/2404.17097.pdfสอบถามเพิ่มเติม