협력적 필터링 추천기법에서 이웃 수를 이용한 선호도 예측 정확도 향상

Improving the prediction accuracy by using the number of neighbors in collaborative filtering

  • 이희춘 (상지대학교 컴퓨터데이터정보학과)
  • 발행 : 2009.05.31

초록

본 연구는 협력적 필터링 기법을 이용한 선호도 예측 과정에서 이웃의 수와 선호도 예측 정확도와의 관계를 분석하였다. 선호도 예측 과정에 선정된 이웃의 수를 4분위수로 4집단으로 구분하여 구분한 집단 간 선호도 예측 정확도에 차이가 나타남을 알 수 있었으며 각 집단의 예측 오차들의 평균들을 이용하여 선형의 보정함수를 제안하였다. 본 연구의 결과를 바탕으로 추천시스템에서 이웃 수를 이용한 보정함수를 이용하면 예측 정확도를 높일 수 있다.

참고문헌

  1. 김용수 (2005). <전자상거래에서 고객의 탐색 및 행동 패턴을 고려한 추천시스템의 개발>, 박사학위논문, 한국과학기술원, 대전.
  2. 이희춘, 이석준 (2006). 사용자 기반 추천시스템에서 근접이웃 알고리즘과 수정알고리즘의 예측 정확도에 관한 연구. <한국자료분석학회지>, 8, 1893-1904.
  3. 한국인터넷진흥원 (2007). <2007 한국인터넷백서>, 한국인터넷진흥원, 서울.
  4. Breese, J., Heckerman, D. and Kadie, C. (1998). Empirical analysis of predictive algorithms for collaborative filtering. In Proceedings of the Fourteenth Annual Conference on Uncertainty in Artificial Intelligence, 43-52.
  5. Herlocker, J., Konstan, J., Borchers, A. and Riedl, J. (1999). An algorithm framework for performing collaborative filtering. In Proceedings of the 1999 Conference on Research and Development in Information Retrieval, 230-237.
  6. Herlocker, J., Konstan, J. and Riedl, J. (2002). An empirical analysis of design choices in neighborhood based collaborative filtering algorithms. Information Retrieval, 5, 287-310. https://doi.org/10.1023/A:1020443909834
  7. Herlocker, J., Komstan J., Terveen, L. and Riedle, J. (2004). Evaluating collaborative filtering recommender systems. ACM Transactions on Information Systems, 22, 5-53. https://doi.org/10.1145/963770.963772
  8. Konstan, J., Miller, B., Maltz, D., Herlocker, J., Gordon, L. and Riedl, J. (1997). GroupLens: Applying collaborative filtering to usenet news. Communications of the ACM, 40, 77-87. https://doi.org/10.1145/245108.245126
  9. Lee, H. C. (2006). Improved algorithm for user based recommender system. Journal of Korean Data & Information Science Society, 17, 717-726.
  10. Lee, H. C., Lee, S. J. and Chung, Y. J. (2007). A study on the improved collaborative filtering algorithm for recommender system. SERA 2007. 5th ACIS International Conference, 297-304.
  11. Lee, S. J., Kim, S. O. and Lee, H. C. (2007). Pre-evaluation for detecting abnormal users in recommender system. Journal of Korean Data & Information Science Society, 18, 619-628.
  12. Linden, G., Smith, B. and York, J. (2003). Amazon.com recommendations: Item-to-item collaborative filtering. Internet Computing, IEEE, 7, 76-80. https://doi.org/10.1109/MIC.2003.1167344
  13. Resnick, P., Iacovou, N., Suchak, M., Bergstorm, P. and Riedl, J. (1994). GroupLens: An open architecture for collaborative filtering of netnews. In Proceedings of ACM 1994 Conference on Computer Supported Cooperative Work, 175-186.
  14. Riedl, J. and Konstan. J. (2002). Word of mouse: The marketing power of collaborative filtering, Warner Books, New York.
  15. Sarwar, B., Karypis, G., Konstan, J. and Riedl, J. (2001). Item-based collaborative filtering recommendation algorithms. In Proceedings of the 10th International World Wide Web Conference, 285-295.
  16. Schafer, J., Konstan, J. and Riedle, J. (2001). E-commerce recommendation applications. Journal of Data Mining and Knowledge Discovery, 5, 115-152. https://doi.org/10.1023/A:1009804230409
  17. Shardanand, U. and Maes, P. (1995). Social information filtering: Algorithms for automating 'word of mouth'. In Proceedings of ACM CHI'95 Conference on Human Factors in Computing Systems, 210-217.