과제정보
이 논문은 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임 (No. NRF-2021R1F1A1064073).
한국컴퓨터정보학회:학술대회논문집 (Proceedings of the Korean Society of Computer Information Conference)
- 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
- /
- Pages.35-38
- /
- 2022
메타데이터 개수 증가를 이용한 콘텐츠 기반 영화 추천 시스템의 정확도 향상 테스트
Accuracy Improvement Test for Contents-based Movie Recommendation System by Increasing Metadata
- Choi, Da-jeong (Dept. of Digital Information & Statistics, Pyeongtaek University) ;
- Seo, Jin-kyeong (Dept. of Digital Information & Statistics, Pyeongtaek University) ;
- Paik, Juryon (Dept. of Digital Information & Statistics, Pyeongtaek University)
- 발행 : 2022.01.12
초록
콘텐츠 기반 추천 시스템은 대표적인 추천 모델 방법 중 하나이다. 하지만 콘텐츠 기반 추천 시스템은 사용자 관련 메타데이터를 고려하기보다 내용 관련 메타데이터에만 의존하는 경향이 있다. 본 논문에서는 영화의 특징을 담고 있는 메타데이터를 이용해 추천 시스템을 간단히 구현하고, 추천한 영화와 사용자의 영화 평점을 이용해 추천 시스템의 정확도를 측정하였다. 영화 메타데이터 keywords, genres, cast의 개수를 늘려가며 정확도가 변화하는지 알아보았다. 메타데이터 각각의 개수가 증가하면 정확도도 향상할 것이라고 기대했으나 큰 차이가 나타나지 않았다. 모델 평가 결과, 미세한 차이지만 영화 메타데이터를 상위 3개씩 추출해 영화를 추천했을 때의 정확도가 1.2100318041248186으로 가장 높았다.