협력적 필터링에서 응답수와 순위일치도와의 모형에 대한 연구

• 영문명: A Study on the Model based on the Number of Responses and Rank Fitting Accuracy in Collaborative Filtering
• 발행기관: 한국자료분석학회
• 저자명: 김선옥(Sun Ok Kim) 구지현(Jee Hyun Koo)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.19 No.4, 1907~1915쪽, 전체 9쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2017.08.31

국문 초록

협력적 필터링은 고객들이 구매한 상품에 선호도를 평가한 점수들을 기반으로 고객들 간 또는 상품간의 관계를 사용하여 고객이 선호할 만한 상품을 선정해 주는 추천시스템을 구축하는 데이터 처리방법 중 하나이다. 본 연구는 고객 간의 선호도 유사성을 고려한 방법인 이웃기반의 협력적 필터링을 초점으로 진행되었다. 이 방법의 성능은 고객들의 상품에 대한 선호도 응답수에 영향을 받는 것으로 알려져 있다. 이에 기존에 연구들은 고객들이 평가한 선호도 응답수에 임의적인 수치를 부여함으로써 이 방법의 성능을 향상시키고자 하였다. 본 연구 또한 성능 향상, 특히 이웃기반의 협력적 필터링의 순위일치도를 향상시키는데 목적을 두고, 고객들이 평가한 선호도 응답수와 순위일치도와의 관계를 분석하여 순위일치도를 향상시킬 수 있는 모형을 제시하였다. 그리고 제시한 모형을 적용한 데이터 처리방법을 평가하였다. 그 결과, 본 연구에서 제시한 모형을 적용하였을 때 순위일치도가 향상되는 것으로 나타났으며, 고객이 평가한 응답수가 적은 경우에 순위일치도는 매우 향상되는 것으로 나타났다. 연구를 진행을 위해서 MoveLens 자료 중 100k 자료를 사용하였으며, 이 자료는 고객 943명이 영화 1682편에 평가한 10,000개의 응답수로 구성되어 있다.

영문 초록

Collaborative filtering is one of the data processing methods that constructs a recommendation system that selects the products that customers prefer by using the relationships between customers or products based on the ratings of customer s preference for purchased products. This study focuses on collaborative filtering based on neighbors, which considers the affinity similarity among customers. The performance of this method is known to be influenced by the number of preferences that customers have evaluated for previously purchased products. Previous studies have attempted to improve the performance of this method by assigning an arbitrary number to the number of preference responses evaluated by customers. This study also aims at improving performance, especially the rank fitting accuracy of neighborhood-based collaborative filtering. We analyzed the relationship between the number of preference responses evaluated by customers and the rank fitting accuracy, and suggested a model that can improve the rank fitting accuracy, and then the rank fitting accuracy of the method applying the proposed model was evaluated. As a result, when the model presented in this study was applied, the rank fitting accuracy was improved, and when the number of customer s response was small, the rank fitting accuracy was improved significantly. We used the 100k of MoveLens data for this study, which consisted of 10,000 responses, which 943 customers rated 1682 films.

목차

1. 서론

2. 데이터 처리방법

3. 연구문제

4. 분석 자료, 절차 및 제안식

5. 제안식 평가

6. 결과

키워드

순위일치도(Collaborative filtering) 협력적 필터링(Rank fitting accuracy) 응답수(Number of responses) 빅데이터(Big data) , , , .