SAMC 알고리즘을 이용한 미디어 패널 개인화 추천 알고리즘

• 영문명: Personalized Recommendation Algorithm using SAMC Algorithm
• 발행기관: 한국자료분석학회
• 저자명: 김민정(Minjung Kim) 장성봉(Sungbong Jang) 서영수(Young Soo Seo) 전수영(Sooyoung Cheon)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.22 No.5, 1835~1847쪽, 전체 13쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2020.10.30

국문 초록

모바일 중심의 콘텐츠 소비가 지속되면서 영상 콘텐츠에 대한 수요가 꾸준히 높아지고 있는 요즘 OTT 서비스는 미디어 시장에서 가장 주목받고 있다. OTT 서비스는 기존에 TV 시청을 위해 사용했던 셋톱박스를 넘어 인터넷을 기반으로 언제 어디서나 쉽게 콘텐츠를 제공하는 온라인 콘텐츠 스트리밍 서비스로, 이용률이 급격하게 증가하고 있다. 콘텐츠 구성에 따른 OTT 서비스의 종류가 다양한 가운데, 언뜻 보면 비슷한 OTT 서비스지만 제각각 분명한 색깔을 지니고 있어 차이가 난다. 모든 OTT 서비스를 구독할 수는 없는 노릇이기에 어떤 OTT 서비스가 내 취향과 맞는지 파악해 선택적으로 이용할 수밖에 없다. 따라서 본 연구는 2019년 온라인 디지털 콘텐츠 서비스에 대한 미디어 패널 자료를 추천 알고리즘에 적용해 사용자들을 위한 맞춤형 추천 리스트를 만들고자 한다. 기존의 BPR 알고리즘에 이용된 확률적 경사 하강법은 탐색 경로가 비효율적이므로 이를 극복하기 위해 SAMC 알고리즘을 이용한 개인화 추천 알고리즘을 제시하고 다른 알고리즘과 성능을 비교해보았다. 분석 결과, SAMC-BPR 알고리즘의 성능이 우수함을 알 수 있었다. 미디어 패널 자료 특성상 조사한 대상자에 대한 변수가 많아 총 52개의 변수를 이용하여 다항 로지스틱 회귀, 변수선택법과 군집분석을 통해 군집별 성향을 파악하였다. SAMC-BPR 알고리즘의 추천 리스트를 통해 젊은 세대 사용자가 많이 포함된 군집에는 카카오TV, 기성세대가 주를 이루고 있는 군집은 넷플릭스를 가장 많이 추천하고 있다.

영문 초록

OTT services are attracting the most attention in the media market these days, where the demand for video content is steadily increasing as mobile-oriented content consumption continues. OTT service is an online content streaming service that provides contents easily anytime, anywhere based on the Internet beyond the set-top box that was previously used to watch TV, and its utilization rate is rapidly increasing. There are various types of OTT services according to the composition of the contents. They seems to be similar OTT services, but are difference ones due to clear features. Since we can t subscribe to all OTT services, we have to find out which OTT service suits our taste. Therefore, this study intends to create a customized recommendation list for users by applying media panel data for online digital content services in 2019 to a recommendation algorithm. Since the stochastic gradient descent method used in the existing BPR algorithms is inefficient in the search path, we suggest a personalized recommendation algorithm using the SAMC algorithm and its performance is compared with other algorithms. The result indicates that the performance of the SAMC-BPR algorithm is excellent. Due to the characteristics of the media panel data, there were many variables for the subjects investigated, so a total of 52 variables were used to determine the propensity of each group through multinomial logistic regression, variable selection method, and cluster analysis. Through the recommendation list of the SAMC-BPR algorithm, Kakao TV is the most recommended for the cluster containing a large number of younger generation users, and Netflix is the most recommended for the cluster with the older generation.

목차

1. 서론

2. 미디어 패널 자료

3. 베이지안 개인화 순위 알고리즘

4. SAMC 알고리즘을 이용한 개인화 추천 알고리즘

5. 미디어 패널 분석

6. 결론

References

키워드

OTT 서비스 추천 알고리즘 베이지안 개인화 순위 미디어 패널 OTT service recommendation algorithm Bayesian personalized ranking SAMC media panel