사용자 선호도를 반영한 유사도 기반 Skyline Query 기법

• 영문명: A Similarity-Based Skyline Query Scheme Reflecting User Preferences
• 발행기관: 적정기술학회
• 저자명: 김종완(Jongwan Kim)
• 간행물 정보: 『적정기술학회지』Vol.11 No.1, 23~30쪽, 전체 8쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2025.04.30

국문 초록

본 연구는 객체들이 다중속성을 갖는 추천 환경에서 사용자의 선호를 정량적으로 반영할 수 있는 유사도 기반 skyline query 기법을 제안한다. 기존 skyline query는 속성들 사이의 상대적 중요도를 고려하지 못하며, 차원이 증가할수록 지배관계 비교 연산이 기하급수적으로 증가하여 필터링 성능이 저하되는 한계를 가진다. 이를 해결하기 위해, 본 연구는 거리, 평점, 등급과 같은 선호 속성에 대해 Min-Max 정규화한 후 사용자 선호 벡터와의 유클리드 거리 계산을 통해 단일유사도 값을 계산한다. 이후 해당 유사도 값과 가격 속성을 조합하여 2차원 속성 벡터(가격, 유사도)를 구성하고 skyline query를 수행하여 사용자 선호에 부합하는 대안 객체를 선별하였다. 실험 결과, 제안 기법은 기존 대비 추천 객체 수를평균 80~90% 수준까지 압축하였고 연산량 또한 절반 이하로 감소시켜 비교 구조의 단순화와 계산 비용 절감 효과를 나타냈다. 본 연구는 사용자 중심의 선호 모델링과 차원을 축소하여 비교 구조를 통합함으로써 추천 시스템 및 실시간 의사결정 지원 환경에서 적용 가능성이 높은 필터링 프레임워크를 제시하였다. 결과적으로 정밀도와 실시간 처리 효율이 동시에 요구되는 사용자 맞춤형 추천 환경에서 경쟁력 있는 대안이 될 수 있다.

영문 초록

This study proposes a similarity-based skyline query method capable of quantitatively reflecting user preferences in multi-attribute recommendation environments. Traditional skyline approaches do not consider the relative importance of user preferences across attributes, and their computational cost increases exponentially as the number of dimensions grows, leading to performance degradation in filtering. To address these limitations, the proposed method applies Min- Max normalization to user-preferred attributes—such as distance, rating, and grade—and calculates the Euclidean distance between these attributes and the user preference vector to obtain a single similarity score. This similarity score is then combined with price, an independent attribute, to form a two-dimensional attribute vector (price, similarity). Based on this vector, the skyline query is executed to select alternative objects that align with user preferences. Experimental results demonstrate that the proposed method reduces the number of recommended objects by approximately 80–90% compared to the traditional approach, while also reducing the total number of operations to less than half, thereby simplifying the comparison structure and lowering computational cost. By integrating user-centric preference modeling with a dimension-reduction-based comparison framework, this study presents a filtering mechanism that is highly applicable to recommendation systems and real-time decision support environments. As a result, it can serve as a competitive solution in user-personalized recommendation scenarios where both precision and real-time processing efficiency are required.

목차

서론

이론적 배경

연구 방법

실험 및 결과 분석

결론

Acknowledgment

References

키워드

User preference Similarity Recommendation Skyline query Multi-criteria decision making