협력적 필터링에서 순위일치도 향상을 위한 결측치 대체 방법

• 영문명: An Alternative Method of Missing Data for Improving Rank Fitting in Collaborative Filtering
• 발행기관: 한국자료분석학회
• 저자명: 구지현(Jee Hyun Koo) 최아름(A Reum Choi) 김선옥(Sun Ok Kim) 이희춘(Hee Choon Lee)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.18 No.1, 207~216쪽, 전체 10쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2016.02.28

국문 초록

협력적 필터링은 고객이 기존에 구매한 상품에 평가한 선호도를 사용하여 구매하지 않은 상품의 선호도를 예측하는 알고리즘으로, 전자상거래에서 고객에게 개인화서비스를 제공하기 위한 도구로 사용되고 있다. 알고리즘의 정확도를 평가하는 일반적인 방법에는 예측정확도를 측정하는 MAE와 RMSE가 있으며, 추천순위에 대해 Top-n과 순위일치도(rank fitting) 등이 있다. 이들은 고객이 평가한 선호도의 응답쌍의 개수나 이웃의 개수에 따라 영향을 받고 있다. 고객이 평가한 선호도가 적어서 발생하는 희소성(sparsity)인 경우에는 상품에 대한 고객의 선호도 예측의 정확도가 낮아지고 또한 순위일치도가 낮아지는 단점이 있다. 상품추천에서 정확한 추천순위를 위해 순위일치도는 중요하다. 본 연구는 순위일치도를 높일 수 있는 결측치 대체 방법에 대하여 새로운 방법을 제안하는 연구를 진행하였다. 결측치 대체 방법으로 선호도 예측에 영향을 주는 이웃수, 응답쌍을 증가시키는 방법을 이용하여 순위일치도를 높였다. 또한 응답쌍 가중치를 이용하여 순위일치도를 더 높일 수 있음을 확인하였다. 이 방법은 희소성이 있는 추천시스템의 초기 단점을 해소할 수 있을 것이다.

영문 초록

Collaborative filtering is the algorithm to predict customers’ preference of products they has not purchased by using the rating scores for goods they bought before, and has been used as a tool to provide personalized service to customers in e-commerce. General methods for evaluating the accuracy of the algorithm are MAE and RMSE to measure the accuracy of the prediction, and top-n and rank fitting to measure the accuracy of the sequence. They are influenced by the number of co-pairs or neighbors of preferences evaluating customers. When the rating data is sparsity, this algorithm has the disadvantage that the accuracy of prediction and rank fitting are low. Rank fitting is important for the exact recommendation in product recommendation. In this study, we conducted a study on the new alternative methods for missing preference ratings to improve rank fitting. We improved rank fitting by using the methods increasing the number of neighbors and co-pairs as alternative method of missing data. Also, we identified to further increase rank fitting by using the weights of co-pair. This method will be able to solve the early disadvantages of recommendation system in sparsity.

목차

1. 서론

2. 관련 연구

3. 연구문제

4. 분석 방법 및 결과

5. 결론

References

키워드

순위일치도 추천시스템 협력적 필터링 희소성 rank fitting recommender system collaborative filtering sparsity