Journal of KIISE:Computing Practices and Letters (한국정보과학회논문지:컴퓨팅의 실제 및 레터)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Effective Recommendation Algorithms for Higher Quality Prediction in Collaborative Filtering

협동적 필터링에서 고품질 예측을 위한 효과적인 추천 알고리즘

  • 김택헌 (고려대학교 컴퓨터학과) ;
  • 박석인 (연세대학교 컴퓨터과학과) ;
  • 양성봉 (연세대학교 컴퓨터과학과)
  • Received : 2010.08.10
  • Accepted : 2010.10.07
  • Published : 2010.11.15
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper we present two refined neighbor selection algorithms for recommender systems and also show how the attributes of the items can be used for higher prediction quality. The refined neighbor selection algorithms adopt the transitivity-based neighbor selection method using virtual neighbors and alternate neighbors, respectively. The experimental results show that the recommender systems with the proposed algorithms outperform other systems and they can overcome the large scale dataset problem as well as the first rater problem without deteriorating prediction quality.

본 논문에서 우리는 추천 시스템을 위한 두 개의 정제된 이웃선정 알고리즘을 제시하고, 또한 아이템의 속성정보가 어떻게 고품질의 예측을 위해 사용될 수 있는지를 보인다. 정제된 이웃선정 알고리즘은 가상 이웃과 대체 이웃을 각각 사용하여 이행적 유사도를 기반으로 한 이웃선정 방법을 적용한다. 실험 결과는 본 논문에서 제안한 알고리즘을 적용한 추천 시스템이 다른 시스템에 비해 보다 우수한 성능을 가짐을 보여준다. 이러한 제안 시스템은 예측 품질의 저하 없이 대규모 데이터셋 문제 및 초기 참여자 문제를 극복할 수 있게 한다.

Keywords

References

  1. B. M. Sarwar, G. Karypis, J. A. Konstan, and J. T. Riedl, "Analysis of Recommendation Algorithms for E-Commerce," Proc. of ACM E-Commerce 2000, 2000.
  2. B. M. Sarwar, G. Karypis, J. A. Konstan, and J. T. Riedl, "Recommender Systems for Large-Scale E-Commerce: Scalable Neighborhood Formation Using Clustering," Proc. of the Fifth International Conference on Computer and Information Technology, 2002.
  3. J. A. Konstan, B. Miller, D. Maltz, J. L. Herlocker, L. Gordon, and J. T. Riedl, "GroupLens: Applying Collaborative Filtering to Usenet News," Communications of the ACM, vol.40, 1997.
  4. T. H. Kim and S. B. Yang, "Using Attributes to Improve Prediction Quality in Collaborative Filtering," Proc. of EC-Web 2004, 2004.
  5. J. Riedl, T. Beaupre, J. Sanders, "Research Challenges in Recommenders," Proc. of ACM Recommender Systems 2009 Tutorial, 2009.
  6. X. N. Lam, T. Vu, T.D. Le, and A.D.Duong, "Addressing Cold-start Problem in Recommendation Systems," Proc. of ICUIMC'08, 2008.
  7. MovieLens dataset, GroupLens Research Group, url: http://www.grouplens.org/.
  8. J. S. Breese, D. Heckerman, and C. Kadie, "Empirical Analysis of Predictive Algorithms for Collaborative Filtering," Proc. of UAI 1998 Conference, 1998.
  9. H. Nguyen and P. Haddawy, "The Decision- Theoretic Interactive Video Advisor," Proc. of UAI 1999 Conference, 1999.
  10. R. J. Mooney and L. Roy, "Content-Based Book Recommending Using Learning for Text Categorization," Proc. of ACM Conference on Digital Libraries, 2000.