Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 논문은 베트남 호텔 추천 시스템 연구의 한계를 극복하기 위해 ViHoRec이라는 품질 관리된 데이터셋을 제안했습니다. 이 데이터셋은 6,832명의 사용자와 560개 호텔 간의 상호작용 데이터를 포함하며, 재현 가능한 구축 파이프라인과 개인 정보 보호 기술을 적용했습니다. 또한, 콜드 스타트 환경에 초점을 맞춘 공개 벤치마크를 제공하여 저자원 추천 연구에 기여합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기베트남을 위한 추천 시스템 연구는 공개적이고 잘 문서화된 호텔 상호작용 리소스의 부재로 인해 제한적이었습니다. 이러한 리소스를 구축하는 것은 세 가지 이유로 어렵습니다: 크로스 플랫폼 호텔 이름은 상호작용이 비교 가능해지기 전에 조정되어야 합니다; 품질은 임시방편적인 클리닝보다는 재현 가능한 지표를 통해 감사되어야 합니다; 그리고 공개 배포는 현실적인 콜드 스타트 조건에서 벤치마크가 가능하면서도 개인 정보를 보존해야 합니다. 우리는 Booking.com, Traveloka, Ivivu에서 크롤링한 6,832명의 사용자와 560개의 호텔 간의 18,267개 상호작용으로 구성된 품질 관리 베트남 호텔 추천 데이터셋인 ViHoRec을 소개합니다. 우리의 기여는 다음과 같습니다: (i) 크로스 플랫폼 개체 해상도 및 정량적 품질 관리가 포함된 재현 가능한 구축 파이프라인; (ii) HMAC 가명(pseudonyms)을 사용한 개인 정보 보호 배포; 그리고 (iii) 시간적 leave-last-one-out 분할, 데이터 중심의 ablation, 의존성 없는 베이스라인을 갖춘 공개 콜드 스타트 벤치마크입니다. 공개 스플릿에서 학습된 모델은 짧은 이력을 가진 사용자에게 급격히 성능이 저하되며 (BPR-MF Recall@10: 0.065 대 0.120), UserKNN이 전반적으로 가장 강력함을 유지하여, ViHoRec을 적은 자원(low-resource) 추천을 위한 희소하고 콜드 스타트가 지배적인 테스트베드로 확립합니다. 모든 데이터는 https://github.com/MinhNguyenDS/ViHoRec에서 공개적으로 이용 가능합니다.