소셜 트러스트 클러스터 효과를 이용한 견고한 추천 시스템 설계 및 분석
Design and Analysis a Robust Recommender System Exploiting the Effect of Social Trust Clusters
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
추천시스템(Recommender System, RS)는 정보 과잉 공급 상태에서 사용자들에게 최적화된 정보를 제공하는시스템이다. RS의 핵심은 사용자의 행동 결과를 정확하게 예측하는 것이다. 이러한 예측을 위해 MatrixFactorization (MF) 방식이 초기에 사용되었으며, 최근 SNS의 발달에 따라 Social Information을 추가적으로활용하여 예측 정확도를 높이고 있다. 본 논문에서는 기존 연구에서 간과 되었던 RS 내부 trust cluster를 이용하여 추가적으로 성능을 향상시키고, trust cluster의 특성에 대하여 분석한다. 기존 방법론 3가지와 비교한 결과 본논문에서 제안하는 방식이 가장 높은 정확도를 보임을 확인하였다.
Abstract
A Recommender System (RS) is a system that provides optimized information to users in an over-supply situation. Thekey to RS is to accurately predict the behavior of the user. The Matrix Factorization (MF) method was used for thisprediction in the early stage, and according to the recent SNS development, social information is additionally utilized toimprove prediction accuracy. In this paper, we use RS internal trust cluster, which was overlooked in previous studies, tofurther improve performance and analyze the characteristics of trust clusters.
참고문헌 (6)
- B. Xiao, "E-commerce product recommendation agents: use, characteristics, and impact", MIS quarterly, 31(1), pp.137~209 (2007)[DOI]
- D. Easley, "Networks, crowds, and markets: Reasoning about a highly connected world", pp.1~744 (2010), Cambridge University Press
- A. Anderson, "Effects of user similarity in social media", Proceedings of the fifth ACM international conference on Web search and data mining, pp.703~712 (2012)
- J. D. Rennie, "Fast maximum margin matrix factorization for collaborative prediction", Proceedings of the 22nd international conference on Machine learning, pp.713~719 (2005)
- H. Ma, "Sorec: social recommendation using probabilistic matrix factorization", Proceedings of the 17th ACM, pp.931~940 (2008)
- H. Ma, "Recommender systems with social regularization", Proceedings of the fourth ACM international conference on Web search and data mining, pp.287~296 (2011)