사용자들의 공통관람 영화 유사도를 이용한 추천시스템의 성능향상

기본 정보

본제목

사용자들의 공통관람 영화 유사도를 이용한 추천시스템의 성능향상

부제목

-

대등제목

Improvement of recommender system by common rated movie similarity of users

국가구분

국내

생산일자

2014-**-**

언어

한국어

크기(mm)

-

페이지

39쪽

ISBN/ISSN

-

판차

-

마스터파일

-

생산자

구윤성 (서울대학교 대학원 산업공학과 데이터마이닝 전공 석사 논문 저자)

내용

(논문요약)[국문] 추천 시스템은 전세계적으로 많이 쓰이고 있고 중요한 분야이다. 영화, 음악 또는 책 등의 품목이 점점 많아지고 인터넷이 발달함에 따라 사용자들은 더욱 더 많은 콘텐츠들에 접근할 수 있다. 하지만 실제로 소비할 수 있는 콘텐츠는 한정적이다. 따라서 소비자들은 본인의 취향에 적합한 콘텐츠를 고르고 싶어한다. 때문에 추천시스템은 중요하고 유용하게 사용될 수 있다. 실제로 Amazon이나 Netfrix등의 서비스는 이미 이러한 시스템으 ㄹ도입하여 소비자들이 직접 콘텐츠를 찾지 않아도 개별 사용자에게 알맞은 콘텐츠들을 추천해준다. 협력 필터링은 추천시스템에 가장 널리 쓰이고 가장 많이 연구되는 방법중의 하나이다. 그 중 사용자기반 협력 피터링은 특정 사용자가 흥미로워 할 수 있는 아이템을 찾기 위해 그와 유사한 사용자들을 찾아 그들의 정보를 이용하여 추천할 아이템을 찾는다. 이 때, 사용자들의 유사도를 구하는 것은 매우 중요한 과정이다. 본 연구에서는 사용자들의 평점을 이용하여 영화를 추천할 때 사용자들의 유사도를 구하는 새로운 방법을 제안한다. 먼저 사용자들의 평가가 있는 영화들은 사용자들이 과거에 선택해서 관람한 영화들이다. 즉 이 영화들은 사용자들이 자신의 취향에 적합할 것이라 생각하고 선택하였기 때문에 선택하지 않은 영화에 비해 중요하다. 따라서 두 사용자가 얼만큼의 영화를 공통으로 선택하여 평가하였는지를 고려하였다. 또한 공통으로 선택한 영화에 대하여 사용자들이 얼마나 만족하였는지 고려하였다. 사용자가 선택하 ㄴ항목들의 평균보다 만족스러웠는지, 불만족스러웠는지 두 사용자간의 이러한 편향성이 일치하는지 고려하여 유사도를 계산하였다. 본 연구에서 제안한 유사도를 이용하여 협력 필터링을 수행한 결과 기존의 유사도를 구하는 방법인 피어슨 상관관계, 자카드 유사도보다 더 높은 예측력을 보이는 것을 알 수 있었다. 또한 적은 이웃만을 고려하여 예측했을 때에도 성능이 좋은 것을 확인하였다. 제안한 방법을 사용했을 때, 예측오차 값의 평균 MAE(Mean Absolue Error) 값은 0.7929로 기존의 유사도 보다 적은 값을 보였다. (영문초록)[영문] Recommender System is very important and used globally. An the internet service has grown and the size of contents such as movies, musics and books and been enormous, the choice of contents to consume become harder. However, contents that people really can consume is limited. So people want to choose contents that suits their taste. Therefore the recommender system is very important and can be useful. In real world, Amazon and Netflix already adopt recommender systems and recommend adequate contents to each consumer and it has been gown very effective. Collaborative filtering is widely studied and used to recommend contents. User-based collaborative filtering finds similar users to recommend interesting items. Therefore calculating similarity is very important part of collaborative filtering. In this paper, the new user similarity is proposed to recommend movies. People give rating to movies they watched in the past. The rated movies were selected by users. When they chose those movies, they thought that it could b e their favorite. It means, other movies that has no ratings were less attractive ti the users. To calculate similarity between two users, I considered the number of common rated movies. Also, the bias score how much higher score does the movie have than the user’s average score, is considered. By using proposed similarity through collaborative filtering, the error of predicted score was less than using Pearson correlation and Jaccard index for similarity. By using proposed similarity, I got 0.7929 as the value of mean absolute error. Also, proposed similarity needed less neighbor than other similarities.

소장정보 1