협력적 필터링에서 순위적합 향상을 위한 유의성 가중치에 관한 연구

• 영문명: A Study on the Significance Weight for Improving Rank Fitting in Collaborative Filtering Recommender Systems
• 발행기관: 한국자료분석학회
• 저자명: 구지현(Jee Hyun Koo) 최흥식(Heung Sik Choi) 이희춘(Hee Choon Lee) 이석준(Seok Jun Lee)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.16 No.6, 3013~3022쪽, 전체 10쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2014.12.30

국문 초록

본 연구는 전자상거래에서 상품에 대한 고객의 선호도를 예측하여 잠재적 구매 상품을 고객에게 제시할 수 있는 협력적 필터링 추천시스템의 성능을 향상시키기 위한 연구이다. 협력적 필터링 추천시스템의 성능 향상은 예측정확도와 예측순위일치 정확도로 평가할 수 있다. 그러나 예측정확도가 높은 결과가 고객에게 추천할 상품의 순위일치 정확도를 보장하지는 않는다. 따라서 본 연구에서는 예측정확도와 순위일치 정확도의 상반된 결과를 연구문제로 설정하여 이를 보완하기 위한 방법으로 기존에 예측정확도를 향상시키기 위해 공통 평가수를 반영한 유의성 가중치의 결과를 분석하여 기존의 유의성 가중치에 의한 결과가 순위일치 향상에서 선형적 관계가 형성되지 않음을 반영하여 순위일치 정확도를 향상시킬 수 있는 새로운 유의성 가중치를 제안하였다. 제안된 유의성 가중치를 MovieLens 100k와 1million 자료를 이용하여 분석한 결과 기존에 제시된 유의성 가중치의 순위일치 정확도보다 향상된 순위일치 정확도를 얻을 수 있었다.

영문 초록

The purpose of this research is dedicated to improve the performance of collaborative filtering recommender systems which predict preference for potentially purchased items of latent customer and suggest it. The performance of collaborative filtering recommender systems can be evaluated by prediction accuracy or predicted match rankings. But, highly accurate prediction does not always mean rank fitting accuracy for recommending items to customers. Thus, this research proposes new significance weight for improving rank fitting accuracy of predicted each customer’s preference. This new weight is generated by setting the research problem as contradictory relationship between prediction accuracy and rank fitting accuracy. For complementing this discrepancy of the relationship between the two, we analyze the result of significance weight reflecting the number of co-rated items of specific customer and neighbor customers. Because the relationship between the number of co-rated items and rank fitting accuracy shows non-linear correlation, accordingly we reflect non-linear relationship in newly proposed significance weight. This new weight is tested on MovieLens 100k and 1million dataset and we get improved results of rank fitting accuracy than previously proposed significance weight.

목차

1. 서론

2. 협력적 필터링 추천시스템

3. 연구방법

4. 실험결과

5. 결론

References

키워드

추천시스템 협력적 필터링 순위일치 유의성 가중치 Recommender systems Collaborative filtering Rank fitting Significance weight