신뢰관계 기반 사회연결망의 구조적 공백을 활용한 추천 알고리즘의 예측 정확도 개선

강부식

추천

검색

자료유형: 학술저널

저자정보: 강부식

저널정보: 한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제12권 제1호

발행연도: 2017.1

수록면: 209 - 217 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

추천 알고리즘의 예측 정확도를 높이는 것은 상품추천시스템 영역에서 주요 과제 중 하나이다. 상품추천시스템에서 많이 활용되고 있는 방법에 협업필터링 이 있다. 사용자 기반 협업필터링은 선호도 유사성이 높은 이웃사용자의 상품 선호 정보를 이용하여 상품을 추천한다. 신뢰관계나 친구관계가 있는 사용자간에는 이런 관계 정보를 추천에 활용할 경우 추천시스템의 예측 정확도가 개선될 수 있음을 보이는 연구가 최근 발표되고 있다. 본 연구에서는 협업필터링 방식의 예측 정확도를 높이기 위해서 신뢰관계 기반 사회연결망을 생성하고 구조적 공백을 적용하는 방법에 대해 제안하였다. 신뢰관계를 나타낸 데이터를 이용하여 사회연결망을 구성하고 사회연결망 분석 기법 중 하나인 구조적 공백을 적용하여 연결망에서의 사용자 영향도를 찾아낸다. 추천 대상자의 이웃사용자 유사도는 찾아진 이웃사용자의 영향도를 반영하여 조정된다. 유사도를 조정하는 방식으로 두 가지를 실험하였다. LinearImpCF는 이웃사용자의 영향도에 를 곱하고, 이 값을 기존의 유사도에 곱하여 조정한다. ExpImpCF는 이웃사용자의 영향도에 승을 하고 이 값을 기존의 유사도에 곱하여 조정한다. 제안한 알고리즘의 검증을 위해 filmtrust 데이터셋에 제안된 알고리즘을 적용하여 실험하였다. 10-겹 상호검증 결과 LinearImpCF과 ExpImpCF의 평균 MAE가 전통적인 협업필터링 방식인 CF보다 낮았다. 연구에서 제안한 LinearImpCF과 ExpImpCF의 방법이 예측 정확도를 개선했음을 알 수 있다. 통계적 유의성을 검정하기 위해 10-겹 상호검증을 3회 실시하였다. 실험결과를 바탕으로 쌍체 t-검정을 실시한 결과 통계적으로 유의함을 확인하였다. 결론적으로 전통적인 협업필터링 방식에 사용자 간의 신뢰관계를 사회연결망으로 구성하고, 구조적 공백을 활용하여 사용자의 영향도를 찾아 반영하는 제안된 추천 알고리즘이 예측 정확도를 개선시킴을 알 수 있었다.

#Predictive accuracy #Collaborative filtering #Structural holes #Social network analysis #Trust-base social networks #Recommender systems #Recommendation algorithm

참고문헌 (17)

참고문헌 신청

/ / LibRec

B. Sarwar / 2001 / Item-based collaborative filtering recommendation algorithms / Proceedings of the 10th International Conference on World Wide Web : 285 ~ 295

D. W. Son / 2002 / Social network analysis / Kyungmoonsa

G. Guo / 2013 / A novel bayesian similarity measure for recommender systems / Proceedings of the 23th International Joint Conference on Artificial Intelligence : 2619 ~ 2625

J. Goldbeck / 2006 / Generating predictive movie recommendations from trust in social networks, Proceedings of the 4th International Conference on Trust Management / Lecture

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

강부식

소속기관 목원대학교

주요연구분야 복합학 > 학제간연구

논문수 8 이용수 251

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (17)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)