http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
그룹추천시스템에서 아이템 평가 빈도수와 속성값을 이용하는 TF-IDF 기반 그룹 집계 전략
안두철,김영국 한국정보과학회 2015 데이타베이스 연구 Vol.31 No.2
Recommendation system field is a discipline that has been developed steadily beginning in the 1990s. While entering the Big Data Era, more accurate recommendation techniques have appeared than the old recommendation algorithms. In Korea, many online stores and services like Watcha have already applied the recommendation techniques. Recommendation systems can be divided into individual and group recommendation techniques in accordance with the recommendation consumption patterns. Recommendation techniques for individuals have been studied actively, however, recommendation techniques for groups are in relatively incomplete situation. There are many situations where the group recommendation technique is needed. For example, group consumption activities, such as movie and concert seeing with family or friends, require appropriate recommendations according to the group consumption patterns. In previous research, group recommendation systems have used only the users’ item rating values for group aggregation. However, they may cause inaccurate results. In this paper, we propose a method that gets the group recommendation result by calculating the TF-IDF(Term Frequency–Inverse Document Frequency) weight using the item rating frequency instead of rating value's average. In addition, we applied the weight calculation method using the items’ specific attributes and the inverse document frequency. We use the HetRec2011 movie rating data for performance evaluation, and the proposed group recommendation method shows better accuracy than the previous group aggregation methods. 추천시스템 분야는 90년대에 시작되어 꾸준하게 발전되어온 학문 분야이며 빅데이터 시대에 접어들면서 예전보다 더욱 정확한 추천 알고리즘들이 등장하고 있다. 이미 해외에서 아마존 추천 상품, 구글의 광고 추천 등으로 상용화가 되었으며 국내에서도 온라인 쇼핑몰, 도서 추천 등과 같은 다양한 영역에서 활용되면서 점차적으로 활용 영역이 증대되고 있는 추세이다. 추천시스템은 소비 유형에 따라 개인 추천 기법과 그룹 추천 기법으로 나눌 수 있다. 개인 추천 기법의 경우 활발하게 연구 활동이 되어온 반면, 그룹 추천 기법은 상대적으로 연구가 미비한 실정이다. 소비 유형에 따라 개인 추천 기법과 그룹 추천 기법이 나오게 되었는데 상황에 따라 그룹 추천 기법이 중요한 상황이 존재한다. 예를들면, 가족 또는 연인과의 영화 및 공연 관람, 동호회 활동 등 그룹으로 움직이는 소비 활동에서는 해당 그룹의 소비 유형에 알맞은 추천이 필요하다. 기존의 그룹 추천 시스템 연구의 경우 사용자가 아이템에 대한 평가값을 표기하고 그 값을 이용하여 그룹 추천 기법을 적용하여왔다. 하지만 단순 평가값만을 이용한 방법들은 정확도가 떨어질 수 있다. 예를 들어, 그룹 구성원들의 평가값을 집계하는 전략에서는 평균값의 오류가 발생하여 원하지 않는 아이템에 대한 추천 결과가 나타날 수 있게 된다. 본논문에서는 그룹 구성원들이 평가했던 아이템에 대한 빈도-역빈도(TF-IDF) 가중치를 계산하여 구성원이 원하는 아이템에 대한 그룹 추천 결과를 얻어내는 기법을 제안한다. 이를 위해 본 논문에서는 아이템에 대한 평가값이 아닌 아이템을 평가한 빈도수를 기반으로 해당 아이템의 세부적인 속성값과 역빈도값을 이용한 가중치 계산 방법을 적용하였다. 성능실험을 위해 HetRec2011 영화 평점 데이터를 활용하였고 그 결과 기존의 그룹 집계 기법보다 제안하는 기법이 높은 추천 정확도를 보였다.
이수진(Soojin Lee),전태룡(Taeryong Jeon),백경동(Gyeongdong Baek),김성신(Sungshin Kim) 한국지능시스템학회 2008 한국지능시스템학회 학술발표 논문집 Vol.18 No.2
대부분의 영화 추천 시스템은 영화의 장르 및 사용자의 개인신상정보를 사용한 일반화된 접근방법을 적용한다. 하지만 영화의 종류가 다양해지고 개인의 성향에 맞춰진 컨텐츠에 대한 관심이 증가함에 따라 영화 장르 및 개인 신상정보를 이용한 추천 방법에는 어려움이 있으며 이를 극복하기 위해 개인 사용자의 성향 분석이 요구되어지고 있다. 사용자 성향 분석을 통한 영화 추천 시스템은 사용자기 시청한 영화의 과거 기록 및 영화에 대한 평가를 바탕으로 영화를 추천하는 방법이다. 분 논문에서는 온라인 영화 대여 회사인 Netflix에서 제공한 데이터를 바탕으로 각 사용자의 성향을 분석하고 특정 사용자의 특정 영화에 대한 평가를 예측하는 시스템을 개발하는 것이다. 사용자가 요청하기 전에 능동적으로 영화를 추천할 수 있는 영화 추천 시스템의 기반 기술로 활용하고자 한다.