영상 콘텐츠 추천시스템을 위한 AWSGLD 알고리즘

• 영문명: AWSGLD Algorithm for Video Content Recommendation System
• 발행기관: 한국자료분석학회
• 저자명: 전수영(Sooyoung Cheon) 주아림(Ah-Rim Joo)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.27 No.1, 81~91쪽, 전체 11쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2025.02.28

국문 초록

스마트폰의 상용화와 COVID-19 팬데믹을 계기로 급성장한 OTT 서비스 시장은 매체 시장의 구조를 재편하며 일상 속 주요 여가 활동으로 자리 잡았다. OTT 플랫폼 간 치열한 경쟁 속에서 고객 확보를 위한 핵심 전략 중 하나는 맞춤형 추천시스템으로, 이는 사용자 개인의 선호도를 기반으로 콘텐츠를 추천하여 사용자 경험과 서비스 충성도를 향상시키는 데 기여한다. 대표적인 추천 알고리즘으로 많이 사용되고 있는 베이지안 개인화 순위(BPR)는 확률적 경사하강법(SGD)을 이용하여 구한 최대 사후 확률 추정치를 통해 개인화된 순위를 제공한다. SGD는 단순하고 구현이 쉽지만, 방향에 따라 기울기가 달라지는 비등방성 함수에서 탐색 경로가 비효율적이다. 빅데이터 시대의 복잡한 고차원 데이터 분석에서는 기존 알고리즘이 한계를 보이기도 하며, 이를 극복하기 위해 SGMCMC 기반의 알고리즘이 개발되었다. SGMCMC 기반의 알고리즘 중 하나인 SGLD는 효율적인 샘플링을 통해 사후 분포에 수렴하는 기법이지만 로컬트랩의 문제점이 여전히 존재한다. 이를 극복하기 위해 본 연구는 BPR 추정에 AWSGLD(Deng, Lin, Liang, 2022) 알고리즘의 이용을 제안한다. AWSGLD는 자체 조정 메커니즘을 통해 시뮬레이션 과정에서 에너지 분포를 최적화하고 전역 최적화를 용이하게 한다. 본 연구는 Netflix와 MovieLens 평점 데이터로 BPR 추정에 AWSGLD를 적용하여 성능을 분석하였고, SGD와 SGLD 알고리즘들과 비교한 결과 AWSGLD의 우수한 성능을 확인하였다.

영문 초록

The OTT service market has rapidly expanded with the commercialization of smartphones and the COVID-19 pandemic, restructuring the media industry and establishing itself as a major form of leisure. In this competitive landscape, personalized recommendation systems play a crucial role in enhancing user experience and service loyalty by recommending content based on individual preferences. BPR, a widely used recommendation algorithm, estimates personalized rankings using SGD. Although simple and easy to implement, SGD struggles with the exploration of anisotropic functions, limiting its efficiency in high-dimensional data analysis. SGLD was developed to improve sampling efficiency and convergence to the posterior distribution, but it remains prone to local traps. To address this limitation, AWSGLD was proposed to facilitate global optimization by adaptively adjusting energy distributions during simulations. This study applies AWSGLD to BPR estimation using Netflix and MovieLens rating data. The results demonstrate that AWSGLD outperforms both SGD and SGLD in recommendation accuracy and ranking quality.

목차

1. 서론

2. 베이지안 개인화 순위

3. Adaptively weighted stochastic gradient Langevin dynamics(AWSGLD) 알고리즘

4. 실증 자료 분석

5. 결론

References

키워드

추천시스템 BPR AWSGLD Recommendation system Netflix MovieLens