EWMA를 적용한 협업필터링 추천 기법 연구: 퍼스널 케어 데이터를 중심으로|RISS 상세보기

국문 초록 (Abstract)

협업 필터링은 대표적인 추천 시스템 기법으로, 사용자 간 유사성을 활용하여 소비자가 선호할 가능성이 높은 상품을 추천한다. 그러나 기존 방식은 시간에 따른 사용자 선호도의 변화를 충분히 반영하지 못하는 한계가 있다. 이에 본 연구는 협업필터링에 지수 가중 이동 평균을 적용한 방법론을 제안하였다. 이 방법론을 Amazon.com의 ‘Health & Personal Care’ 카테고리 내 평점 데이터에 적용하였으며, 추천 결과에 대한 RMSE를 기존 협업 필터링 모델과 비교 분석하였다. 분석 결과, 제안한 방식이 기존 협업 필터링보다 개선된 성능을 보여주며, 지수 가중 이동 평균의 가중치의 선택도 성능에 영향을 미치는 것으로 나타났다. 본 연구는 향후 협업필터링 관련 후속 연구에 기여할 것으로 기대된다.

번역하기

협업 필터링은 대표적인 추천 시스템 기법으로, 사용자 간 유사성을 활용하여 소비자가 선호할 가능성이 높은 상품을 추천한다. 그러나 기존 방식은 시간에 따른 사용자 선호도의 변화를 충...

다국어 초록 (Multilingual Abstract)

Collaborative filtering(CF) is one of widely used recommendation technique. However, CF does not adequately reflect the change of user preferences over time. This study proposes an approach that incorporates an exponential weighted moving average into CF to efficiently account for time weights. The model was empirically applied to the data from the “Health & Personal Care” category on Amazon.com and compared with existing collaborative filtering models. Results indicate that the proposed model achieves improved results compared to traditional approach, and it is expected to contribute to the development of efficient and widely applicable recommendation technique.

번역하기