하이브리드 협업 필터링 알고리즘 개발에 관한 연구
A Study on Development of Hybrid Collaborative Filtering Algorithm
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구는 예측력 향상 방안이자, 기존 협업 필터링의 문제점을 보완 할 수 있는 하이브리드 협업 필터링 알고리즘을 제안하고 검증하였다. 협업 필터링은 상품 추천 기법으로 가장 널리 이용되는 성공적인 추천 기법이자 추천 알고리즘 연구의 근간을 이루고 있다. 그러나 예측력이 크게 높지 않다는 문제점이 있어서, 본 연구에서는 이를 해결할 수 있는 방법으로 하이브리드 협업 필터링 알고리즘을 제안하고자 한다. 하이브리드 협업필터링은 기존의 아이템 기반 협업 필터링과 사용자기반 협업 필터링기법을 교차 적용한 형태이다. 이에 대한 검증과 형성된 하이브리드 협업 필터링 알고리즘에 대해서는 MovieLens의 데이터를 이용하여 검증하였다. 특히 데이터 희소성이라는 문제점도 고려하여, 830편 이상을 선택한 사용자만 별도로 추출하여 실험을 하였다. 기법별로 30회에 걸쳐 실험을 하였으며, 실험 결과 하이브리드 협업 필터링의 예측력이 가장 우수한 것으로 나타났다.
Abstract
Collaborative Filtering Algorithms are the most successful and popular technologies used for product recommendation to date and is used in many of the most successful recommender systems on the Web. And Collarborative Filtering Algorithms are now widely applied in e-commerce to assist customers to find their needs. However, we belive that current Collarborative Filtering Algorithms which are being used popularly in many areas are not as effective as we expect. Therefore, we need to improve the performance of Collarborative Filtering Algorithms recommendations. So, we modify the current Collarborative Filtering Algorithms to improve the performance of its recommendations and propose a Hybrid Collarborative Filtering Algorithms wihich considers not only the similarity between customers but also the similarity between products purchased. Also we experimented a Hybrid Collarborative Filtering Algorithms which could be demonstrated a better accuracy. It is shown that our Hybrid Collarborative Filtering Algorithms has better performance in the experiment with the MovieLens Data Set. The Hybrid Collaborative Filtering Algorithms will enable efficient product selection in the internet shopping-mall. And It is expected that The Hybrid Collaborative Filtering Algorithms will reduce the possibility of customer complaints on recommender systems.
참고문헌 (16)
- 김재경, "개인별 상품추천시스템, WebCF-PT: 웹마이닝과 상품계층도를 이용한 협업필터링", Asia Pacific Journal of Information Systems, 15(1), pp.63~79 (2005), 한국경영정보학회
- 김종우, "협업 필터링 기반 개인화 추천에서의 평가자료의 희소 정도의 영향", Asia Pacific Journal of Information Systems, 14(2), pp.131~149 (2004), 한국경영정보학회
- 박지선, "추천 시스템을 위한 2-way 협동적 필터링 방법을 이용한 예측 알고리즘", 정보과학회논문지 : 소프트웨어 및 응용, 29(10), pp.669~675 (2002), 한국정보과학회
- 오재인, "인터넷과 마케팅" (2003), 박영사
- 이석준, "협업 필터링 추천에서 대응평균 알고리즘의 예측 성능에 관한 연구", Information Systems Review, 9(1), pp.85~103 (2007), 한국경영정보학회
- 임재화, "추천시스템에서 사전평가에 의해 선별된 고객의 특성에 관한 연구", 산학경영연구, 20(2), pp.105~118 (2007)
- Recommendation Technologies: Survey of Current Methods and Possible Extensions, "Adomavicius, G.", 1~39 (2003)
- Breese, J. S., "Empirical Analysis of Predictive Algorithms for Collaborative Filtering", In Proceedings of the 14th Conference on Uncertainty in Artificial Intelligence(UAI-98), pp.43~52 (1998)
- Burke, R., "Hybrid Recommender Systems : Survey and Experiments", User Modeling and User - Adapted Interaction, 12(4), pp.331~370 (2002)
- Deshpande, M., "Item-based Top-N Recommendation Algorithms", ACM Transactions on Information Systems(TOIS), 22(1), pp.143~177 (2004)
- Herlocker, J. L., "An Empirical Analysis of Design Choices in Neighborhoodbased Collaborative Filtering Algorithms", Information Retrieval, 5, pp.287~310 (2002)
- Herlocker, J., "Evaluating Collaborative Filtering Recommender systems", ACM Transactions on Information Systems (TOIS), 22(1), pp.5~53 (2004)
- Montaner, M., "Automatic Personalization Based on Web Usage Mining", Atrifical Intelligence Review, 19, pp.285~330 (2003)
- Sarwar, B., "Analysis of Recommendation Algorithms for E-Commerce", Proceedings of the 2nd ACM Conference on Electronic Commerce, pp.158~167 (2000)
- Sarwar, B., "Item-based Collaborative Filtering Recommendation Algorithms", In Proceeding of the 10th International WWW Conference, pp.285~295 (2001)