신뢰관계 기반 사회연결망의 구조적 공백을 활용한 추천 알고리즘의 예측 정확도 개선
The Study of Recommendation Algorithm's Predictive Accuracy Improvement Using Structural Holes on Trust-based Social Networks
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
추천 알고리즘의 예측 정확도를 높이는 것은 상품추천시스템 영역에서 주요 과제 중 하나이다. 상품추천시스템에서 많이 활용되고 있는 방법에 협업필터링 이 있다. 사용자 기반 협업필터링은 선호도 유사성이 높은 이웃사용자의 상품 선호 정보를 이용하여 상품을 추천한다. 신뢰관계나 친구관계가 있는 사용자간에는 이런 관계 정보를 추천에 활용할 경우 추천시스템의 예측 정확도가 개선될 수 있음을 보이는 연구가 최근 발표되고 있다. 본 연구에서는 협업필터링 방식의 예측 정확도를 높이기 위해서 신뢰관계 기반 사회연결망을 생성하고 구조적 공백을 적용하는 방법에 대해 제안하였다. 신뢰관계를 나타낸 데이터를 이용하여 사회연결망을 구성하고 사회연결망 분석 기법 중 하나인 구조적 공백을 적용하여 연결망에서의 사용자 영향도를 찾아낸다. 추천 대상자의 이웃사용자 유사도는 찾아진 이웃사용자의 영향도를 반영하여 조정된다. 유사도를 조정하는 방식으로 두 가지를 실험하였다. LinearImpCF는 이웃사용자의 영향도에 를 곱하고, 이 값을 기존의 유사도에 곱하여 조정한다. ExpImpCF는 이웃사용자의 영향도에 승을 하고 이 값을 기존의 유사도에 곱하여 조정한다. 제안한 알고리즘의 검증을 위해 filmtrust 데이터셋에 제안된 알고리즘을 적용하여 실험하였다. 10-겹 상호검증 결과 LinearImpCF과 ExpImpCF의 평균 MAE가 전통적인 협업필터링 방식인 CF보다 낮았다. 연구에서 제안한 LinearImpCF과 ExpImpCF의 방법이 예측 정확도를 개선했음을 알 수 있다. 통계적 유의성을 검정하기 위해 10-겹 상호검증을 3회 실시하였다. 실험결과를 바탕으로 쌍체 t-검정을 실시한 결과 통계적으로 유의함을 확인하였다. 결론적으로 전통적인 협업필터링 방식에 사용자 간의 신뢰관계를 사회연결망으로 구성하고, 구조적 공백을 활용하여 사용자의 영향도를 찾아 반영하는 제안된 추천 알고리즘이 예측 정확도를 개선시킴을 알 수 있었다.
Abstract
Improving predictive accuracy of recommendation algorithms is a major work in the area of recommender systems. Collaborative filtering is the most popular method for product recommender systems. User-based collaborative filtering recommends products using the information about product preference of Neighbors. Recently, some studies enhancing predictive accuracy of recommender systems using information about the relationship of friend or trust between users has been published. This study proposed a method constructing trust-based social networks and appling structural holes for improving predictive accuracy of collaborative filtering. It constructs a social network using dataset represented trust relationship and finds user impact using structural holes that is one of methods for social network analysis. Neighbor's similarities of a target user for recommendation are adjusted by neighbor's impact which was found in before procedure. This study experimented two techniques for adjusting similarities. LinearImpCF adjusts neighbor's similarities multiplying by and neighbor's impact. ExpImpCE adjusts neighbor's similarities multiplying neighbor's impact to the power. To validate, the proposed algorithms were applied to filmtrust dataset. The results of 10-fold cross validation showed that mean MAEs of LinearImpCF and ExpImpCF were lower than mean MAE of conventional CF. We knew that the proposed method improved the predictive accuracy slightly. To test statistical significance, we experimented 10-fold cross validation repeatedly three times. We confirmed the statistical significance by paired t-test using experiment results. In conclusion, we knew that the proposed recommendation algorithm combined collaborative filtering and user's impact by structural holes on trust-base social networks between users improved the predictive accuracy.
참고문헌 (17)
- 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)
- 박호상, "개인화된 뉴스 추천과 신문 제작을 위한 반응형 웹사이트의 설계 및 구현", 한국지식정보기술학회 논문지, 11(2), pp.205~214 (2016), 한국지식정보기술학회
- J. Goldbeck, "Generating predictive movie recommendations from trust in social networks, Proceedings of the 4th International Conference on Trust Management", Lecture Notes in Computer Science, 3986, pp.93~104 (2006)
- 김민건, "구조적 공백과 협업필터링을 이용한 추천시스템", 지능정보연구, 20(4), pp.107~120 (2014), 한국지능정보시스템학회
- 최슬비, "사용자 간 신뢰관계 네트워크 분석을 활용한 협업 필터링 알고리즘의 예측 정확도 개선", 지능정보연구, 22(3), pp.113~127 (2016), 한국지능정보시스템학회[DOI]
- P. Chen, "An analysis of the differential impact of reviews and reviewers at amazon.com", Proceedings of 27th International Conference on Information Systems, pp.1~17 (2007)
- Y. H. Kim, "Social network analysis" (2007), Parkyoungsa
- G. Guo, "A novel bayesian similarity measure for recommender systems", Proceedings of the 23th International Joint Conference on Artificial Intelligence, pp.2619~2625 (2013)
- J. Herlocker, "An algorithm framework for performing collaborative filtering", Proceedings of the 1999 Conference on Research and Development in Information Retrieval, pp.230~237 (1999)
- D. W. Son, "Social network analysis" (2002), Kyungmoonsa
- 박종학, "사회연결망：신규고객 추천문제의 새로운 접근법", 지능정보연구, 15(1), pp.123~140 (2009), 한국지능정보시스템학회
- 조윤호, "신상품 추천을 위한 사회연결망분석의 활용", 지능정보연구, 15(4), pp.183~200 (2009), 한국지능정보시스템학회
- 강부식, "사회연결망의 구조적 공백을 활용한 신규고객 웹 상품추천방법", 산업경제연구, 23(5), pp.2371~2385 (2010), 한국산업경제학회
- 강부식, "신상품 추천을 위한 사회연결망의 구조적 공백 활용 방안", Journal of The Korean Data Analysis Society, 13(3), pp.1365~1377 (2011), 한국자료분석학회
- R. S. Burt, "Structural holes: The social structure of competition" (1992), Harvard University Press
- "LibRec" (2016)[URL]