Word2Vec과 심층 신경망을 활용한 영화추천 시스템의 정확도 개선
Improving Accuracy of Movie Recommender System Using Word2Vec and Deep Neural Networks
1
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
Word2Vec은 최근 텍스트 마이닝에서 가장 활발하게 사용되고 있는 방법 중 하나이다. 텍스트 문장내의 단어 간의 연관성을 파악하여 문장의 단어를 벡터로 변환한다. 유사한 단어일수록 벡터 공간에서 가까이 위치한다. 최근 딥러닝 기술이 발전하면서 많은 분야에서 딥러닝을 활용한 심층 신경망이 활용되고 있다. 추천 알고리즘의 정확도를 높이는 것은 상품추천시스템 영역에서 주요 과제 중 하나이다. 본 연구에서는 Word2Vec과 심층 신경망을 활용한 영화추천 방식에 대해 제안하였다. 먼저 사용자와 영화에 대한 말뭉치를 구성한다. 말뭉치를 구성하기 위해 문장을 생성한다. 동일한 영화에 대해 같은 평점을 부여한 사용자들을 찾고 이 사용자들로 문장을 구성하여 사용자 전체 말뭉치를 구성한다. 비슷하게 동일한 사용자가 같은 평점을 부여한 영화들을 찾고 이 영화들로 문장을 구성하여 영화 전체 말뭉치를 구성한다. 다음에, Word2Vec을 이용하여 사용자 벡터와 영화 벡터를 구한다. 이들 벡터를 심층 신경망의 입력으로 넣어 심층 신경망을 학습한다. 학습된 신경망을 이용하여 추천 대상자에게 영화를 추천하게 된다. 제안한 방안의 검증을 위해 filmtrust 데이터에 적용하여 실험하였다. 10-겹 교차검증을 실시한 결과 Word2Vec과 심층 신경망을 활용한 영화 추천방식이 전통적인 사용자기반 협업필터링 방식에 비해 정확도를 크게 개선함을 알 수 있었다. 또한 전통적인 협업필터링 방식이 신규상품이나 신규고객에게 추천의 어려움이 있는 문제를 본 연구에서 제안한 방식에서는 비교적 높은 정확도를 가지면서도 해결 가능함을 알 수 있었다.
Abstract
Word2Vec is a most popular method in text mining area, recently. It converts words to vectors using association among words in sentences. Similar words are nearly located in the vector space. As deep learning technology has developed rapidly, deep neural network that adopts deep learning is being applied in many areas. Improving predictive accuracy of recommender algorithms is a major work in the area of recommender systems. This study proposed an integrated method for movie recommender systems using Word2Vec and deep neural networks. First, it constructs Corpus of users and movies. It generates sentences for constructing Corpus. It finds users that give same rating to a movie, generates a sentence with those users, and constructs the Corpus of users using the sentences. It finds movies that are given same rating from an user, generates a sentence with those movies, and constructs the Corpus of movies using the sentences along the same lines. Secondly, it calculates user vectors and movie vectors using Word2Vec. Thirdly, it learns a model of deep neural networks with inputs composed of the user vectors and the movie vectors. Lastly, it recommends movies to the target user through the learned deep neural networks. To validate, the proposed method was applied to filmtrust dataset. The experimental results of 10-fold cross validation showed that the proposed method improved accuracy greatly than conventional collaborative filtering method(uCF). Also, it showed that the proposed method could solve problems with comparatively high accuracy, recommendation problems to new customers and new products, but the conventional collaborative filtering methods had difficulties recommendation to those problems.
참고문헌 (19)
- B. Sarwar, "Item-based collaborative filtering recommendation algorithms", Proceedings of the 10th International Conference on World Wide Web, pp.285~295 (2001)
- K. Goldberg, "EigenTaste: a constant time collaborative filtering algorithm", Information Retrieval, 4(2), pp.133~151 (2001)
- 강부식, "신뢰관계 기반 사회연결망의 구조적 공백을 활용한 추천 알고리즘의 예측 정확도 개선", 한국지식정보기술학회 논문지, 12(1), pp.209~217 (2017), 한국지식정보기술학회[DOI]
- 강부식, "Word2Vec을 이용한 사용자기반 협업필터링의 예측 정확도 개선", 한국지식정보기술학회 논문지, 13(1), pp.169~176 (2018), 한국지식정보기술학회[DOI]
- 김정미, "Word2vec을 활용한 RNN기반의 문서 분류에 관한 연구", 한국지능시스템학회 논문지, 27(6), pp.560~565 (2017), 한국지능시스템학회
- 허찬, "Word2vec와 Label Propagation을 이용한 감성사전 구축 방법", 한국차세대컴퓨팅학회 논문지, 13(2), pp.93~101 (2017), 한국차세대컴퓨팅학회
- 김도우, "Doc2Vec과 Word2Vec을 활용한 Convolutional Neural Network 기반 한국어 신문 기사 분류", 정보과학회논문지, 44(7), pp.742~747 (2017), 한국정보과학회
- 김우주, "Word2vec을 활용한 문서의 의미 확장 검색방법", 한국콘텐츠학회 논문지, 16(10), pp.687~692 (2016), 한국콘텐츠학회[DOI]
- 안주영, "텍스트 마이닝을 이용한 감정 유발 요인 ‘Emotion Trigger’에 관한 연구", 지능정보연구, 21(2), pp.69~92 (2015), 한국지능정보시스템학회
- T. Mikolov, "Distributed representations of words and phrases and their compositionality", Advances in Neural Information Processing Systems, 26, pp.3111~3119 (2013)
- O. Barkan, "Item2vec:neural item embedding for collaborative filtering", 2016 IEEE 26th International Workshop on Machine Learning for Signal Processing, pp.1~6 (2016)
- V. Kuzmin, "Item2vec-based approach to a recommender system", pp.2017
- G. S. Jeon, "Word2vec based collaborative filtering for movie rating prediction", Korea Software Congress, pp.844~846 (2017)
- R. Devooght, "Collaborative filtering with recurrent neural networks", arXiv preprint arXiv:1608.07400, ~
- 권명하, "임베딩을 활용한 순환 신경망 기반 추천 모델의 성능 향상 기법", 정보과학회논문지, 45(7), pp.659~666 (2018), 한국정보과학회[DOI]
- G. Guo, "A novel bayesian similarity measure for recommender systems", Proceedings of the 23th International Joint Conference on Artificial Intelligence, pp.2619~2625 (2013)
- "Gensim" (2017)[URL]
- B. T. Zhang, "Deep hypernetwork models", Communications of the Korean Institute of Information Scientists and Engineers, 33(8), pp.11~24 (2015)
- "Librec" (2016)[URL]