사용자 선호도와 군집 알고리즘을 이용한 퍼지-계층적 분석 기법 기반 영화 추천 시스템
A Movie Recommendation System based on Fuzzy-AHP with User Preference and Partition Algorithm
2
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
현재 추천 시스템은 실제 사용자가 선호하는 항목을 추천하는지, 아니면 단순히 관심 정도의 항목을 추천하는지 알 수 없다는 문제와 사용자들이 매우 적어 적합한 항목을 추천할 수 없는 데이터 희소성 문제, 새로운 사용자들이 유입됨에 따라 사용자들이 만족하는 항목을 추천하기 위해 시스템의 성능이 저하되는 Cold-Start 문제 등이 발생한다. 본 연구에서는 이러한 문제점을 해결하기 위해 불확실한 상황이나 문제들을 반영할 수 있는 퍼지-계층적 분석(Fuzzy-Analytic Hierarchy Process)과 주어진 항목들을 비슷한 항목들끼리 모으는 데이터 군집화 알고리즘을 활용하여 사용자들에게 만족할 수 있는 영화를 추천하기 위한 시스템을 구현하였다. 61명을 대상으로 영화 선호도에 대한 설문 조사를 실시한 데이터를 본 시스템에 적용한 결과 Fuzzy-AHP 기법을 통해서 데이터 희소성 문제를 해소할 수 있었으며, 또한 데이터 군집화 알고리즘을 통해 새로운 사용자들이 유입되어도 사용자에게 적합한 항목이 추천되었음을 확인할 수 있었다. 향후 노이즈 데이터나 아웃라이어(Outlier) 데이터를 걸러낼 수 있는 밀도 기반 클러스터링에 대한 연구가 필요할 것으로 생각된다.
Abstract
The current recommendation systems have problems including the difficulty of figuring out whether they recommend items that actual users have preference for or have simple interest in, the scarcity of data to recommend proper items due to the extremely small number of users, and the cold-start issue of the dropping system performance to recommend items that can satisfy users according to the influx of new users. In an effort to solve these problems, this study implemented a movie recommendation system to ensure user satisfaction by using the Fuzzy-Analytic Hierarchy Process, which can reflect uncertain situations and problems, and the data partition algorithm to group similar items among the given ones. The data of a survey on movie preference with 61 users was applied to the system, and the results show that it solved the data scarcity problem based on the Fuzzy-AHP and recommended items fit for a user with the data partition algorithm even with the influx of new users. It is thought that research on the density-based clustering will be needed to filter out future noise data or outlier data.
참고문헌 (20)
- Doo-Soon Park, "Big Data Computing Techniques" (2015), Hanbit Academy, Inc
- Hwa-Jong Kim, "Introduction to Data Science", pp.188~ (2014), Hongreung Science Publishing Co
- Il Lim, "Recommendation System Using R", pp.3~4 (2015), Chaosbook
- Jiawei Han, "Data Mining : Concepts and Techniques", pp.577~582 (2015), Acorn
- Michael Negnevitsky, "Artificial Intelligence", pp.269~ (2013), Hanbit Academy, Inc
- Dong-Hyun Kim, "Research on Cold-Start Recommendation", Communications of KIISE, 34(6), pp.16~21 (2016)
- 전향순, "FAHP에 기반을 둔 기술창업교육서비스품질 평가 시스템", 디지털융복합연구, 13(10), pp.509~516 (2015), 한국디지털정책학회[DOI]
- 이해춘, "정책 평가 방법으로서의 퍼지집합이론의 응용: 일자리 창출 정책의 경우", 한국정책학회보, 16(3), pp.67~92 (2007), 한국정책학회
- Hong-Bok Lee, "Collaborative Filtering Recommender System With Clustering and Histogram", Proceedings of KISS Winter Conference 2016, pp.588~590 (2016)
- 오재택, "사용자 선호도를 반영한 AHP 기반 모바일 게임 추천 시스템", 디지털융복합연구, 15(1), pp.427~433 (2017), 한국디지털정책학회[DOI]
- Jae-Taek Oh, "Fuzzy-AHP Based Mobile Games Recommendation System Using Bayesian Network", Dept. of Computer Science and Engineering, pp.2017
- Jee-Woon Ha, "Data Imputation Methods for Effective Collaborative Filtering", Communications of KIISE, 34(6), pp.8~15 (2016)
- Noo-Ri Kim, "Research Trends in Context-aware Recommender Systems", Communications of KIISE, 34(6), pp.22~29 (2016)
- 박유진, "Fuzzy-AHP", DEA 기법을 이용한 SCM 효율성 분석, 연세대학교 대학원, pp.경영학과, 2013
- A. Vattani, "K-means Requires Exponentially Many Iterations Even in the Plane", Proceedings of the Twenty-Fifth Symposium on Computational Geometry 2009, pp.324~332 (2009)
- Da-Yong Chang, "Applications of the Extent Analysis Method on Fuzzy AHP", European Journal of Operational Research, 95(3), pp.649~655 (1996)
- G. Adomavicius, "Toward the Next Generation of Recommender Systems : A Survey of the State-of-the-art and Possible Extensions", IEEE Transaction on Knowledge Data Engineering, 17(6), pp.734~749 (2005)
- S. K. Reddy, "Exploring the Determinants of Broadway Show Success", Journal of Marketing Research, 35(3), pp.296~315 (1998)