대출 기록에 기초한 대학 도서관 도서 개인화 추천시스템 개발 및 평가에 관한 연구
A Study on the Development and Evaluation of Personalized Book Recommendation Systems in University Libraries Based on Individual Loan Records
0
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
본 연구는 대학 도서관 사용 증진을 위하여 개인별 맞춤 도서 추천시스템을 구축하는 것을 목적으로 한다. 특히 사용자의 아이템에 대한 선호도가 존재하는 다수의 추천시스템과는 달리, 선호도가 존재하지 않을 때에 도서 추천이 가능하도록 하는 방안인 도서관 이용자의 도서 대출 목록과 성향을 활용하여 평가지표를 생성하는 방법을 제안하고자 한다. 이용자가 아직 읽지 않은 책에 대한 예상 선호도를 산출하는 방식으로 도서를 추천하는 행렬 분해 방법인 Singular Value Decomposition(SVD)과 Stochastic Gradient Descent(SGD) 알고리즘을 활용한 모델을 구축했다. 더불어 유사도가 높은 이용자 그룹 내의 도서 대출 목록을 참조하여 추천하는 사용자 기반 협업 필터링 알고리즘을 활용해 모델을 구현했다. 최종적으로 평가지표를 활용한 세 가지 모델에 대하여 사용자 평가를 진행했다. 각각의 모델이 제시한 개인별 맞춤 도서 다섯 권의 목록을 해당 대출자에게 제공하고, 추천 도서에 대한 만족/불만족 여부를 이진화 점수화하여 모델에 대한 평가를 진행했다.
Abstract
The purpose of this study is to propose a personalized book recommendation system to promote the use of university libraries. In particular, unlike many recommended services that are based on existing users’ preferences, this study proposes a method that derive evaluation metrics using individual users’ book rental history and tendencies, which can be an effective alternative when users’ preferences are not available. This study suggests models using two matrix decomposition methods: Singular Value Decomposition(SVD) and Stochastic Gradient Descent(SGD) that recommend books to users in a way that yields an expected preference score for books that have not yet been read by them. In addition, the model was implemented using a user-based collaborative filtering algorithm by referring to book rental history of other users that have high similarities with the target user. Finally, user evaluation was conducted for the three models using the derived evaluation metrics. Each of the three models recommended five books to users who can either accept or reject the recommendations as the way to evaluate the models.
참고문헌 (15)
- 노영희, "차세대디지털도서관의 발전방향논의에 관한 연구", 정보관리학회지, 31(2), pp.7~40 (2014), 한국정보관리학회[DOI]
- 박양하, "학교도서관 북 큐레이션 서비스를 위한 도서추천 기준에 관한 연구", 한국도서관·정보학회지, 47(1), pp.279~303 (2016), 한국도서관·정보학회[DOI]
- 오승선, "SNS분석을 통한 도서관의 개인 도서 추천서비스에 관한 연구: 트위터 중심으로", 석사, pp.2015
- 정승윤, "Factorization Machine을 이용한 추천 시스템 설계", 디지털콘텐츠학회논문지, 18(4), pp.707~712 (2017), 한국디지털콘텐츠학회[DOI]
- 정희정, "도서관 정보시스템을 위한 협업 필터링 기반 개인화 추천 서비스", 한국컴퓨터종합학술대회 논문집, 38(1A), pp.251~254 (2011)
- 조연선, "협업 필터링을 이용한 도서 추천 시스템이 학교도서관 이용에 미치는 효과 연구", 석사, pp.2019
- "‘도서관이 살아있다’… 코로나19 상황에도 진화하는 대학 도서관" (2021), 허정윤[URL]
- Jonathan L. Herlocker, "Evaluating collaborative filtering recommender systems", ACM Transactions on Information Systems, 22(1), pp.5~53 (2004), Association for Computing Machinery (ACM)[DOI]
- Hu, Y., "Collaborative Filtering for Implicit Feedback Datasets", 2008 Eighth IEEE International Conference on Data Mining, pp.263~272 (2008)
- Kanetkar, S., "Web-based personalized hybrid book recommendation system", 2014 International Conference on Advances in Engineering & Technology Research (ICAETR - 2014), pp.1~5 (2014)
- Yehuda Koren, "Matrix Factorization Techniques for Recommender Systems", Computer, 42(8), pp.30~37 (2009), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- G. Linden, "Amazon.com recommendations: item-to-item collaborative filtering", IEEE Internet Computing, 7(1), pp.76~80 (2003), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- "중앙도서관, 맞춤형 도서 추천 서비스 제공" (2019)[URL]
- Keita Tsuji, "Book Recommendation Based on Library Loan Records and Bibliographic Information", Procedia - Social and Behavioral Sciences, 147, pp.478~486 (2014), Elsevier BV[DOI]
- Tsuji, K., "Book Recommendation Using Machine Learning Methods Based on Library Loan Records and Bibliographic Information", 2014IIAI 3rd International Conference on Advanced Applied Informatics, pp.76~79 (2014)