사용자 리뷰 감성분석 기반 하이브리드 영화 추천 시스템의 이론적 기반 및 실증적 검증
Sentiment-Fused Hybrid Recommender System for Movie Domain: Integrating Aspect-Based Emotion Analysis with Collaborative-Content Filtering
8
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
온라인 환경에서 상품과 콘텐츠의 선택지가 폭발적으로 늘어나면서, 사용자가 원하는 정보를 제시하고, 구매로 이어질 수 있는 추천 시스템의 중요성이 커지고 있다. 기존에는 협업 필터링이 가장 많이 사용되는 추천 기법이었으나, 평점 정보만으로는 추천의 정확도가 한계에 부딪히는 문제가 있었다. 본 논문에서는 추천의 정확성을 높이기 위해, 영화 평점 데이터와 더불어 리뷰 텍스트에서 추출한 감성 점수를 결합한 하이브리드 추천 시스템을 제안한다. 콘텐츠 기반 필터링(CBF)은 영화의 장르와 태그 정보를 TF-IDF 벡터로 변환해 사용자 프로필과 영화 간의 유사도를 계산하는 방식으로 활용하였고, 아이템 기반 협업필터링(IBCF)은 평점 행렬을 바탕으로 유사 아이템의 평점과 감성 점수를 가중 결합해 예측 값을 산출하였다. 실험 결과, 제안한 하이브리드 모델이 단일 모델이나 감성분석을 제외한 모델보다 추천 정확성 면에서 가장 우수한 성능을 보였다.
Abstract
With the explosive growth of online content and products, recommender systems have become essential for helping users efficiently discover relevant items. While collaborative filtering has been the most widely used technique, relying solely on rating data often limits recommendation accuracy. This paper proposes a hybrid movie recommendation system that combines user ratings with sentiment scores extracted from review texts. Content-based filtering (CBF) uses TF-IDF vectors of genres and tags to calculate similarity between user profiles and movies, while item-based collaborative filtering (IBCF) predicts ratings by combining similar items’ scores with sentiment analysis results. Experiments show that the proposed hybrid model achieves superior recommendation performance compared to single models or models without sentiment integration.