협업필터링의 희박성 문제 개선을 위한 통합 유사도 모델

Abstract

협업필터링은 유사 사용자들 간의 집단지성에 기반한 사회적 추천 알고리즘으로 전자상거래 시스템에 도입되면서 상업적으로 활용되어 왔다. 반면, 평가행렬의 희박성, 확장성, 신규 추천 등의 한계가 있으며 이에 대한 개선 연구가 지속적으로 이루어지고 있다. 그 예로 복합 추천 알고리즘은 주로 사용자 프로필 정보 또는 아이템 속성 등 내용정보와 협업필터링을 결합하여 단점을 보완하고자 하였다. 기존 복합 알고리즘 중 사용자 프로필 정보, 아이템 속성정보, 아이템 평가행렬을 모두 통합하는 연구는 없었으며, 본 연구에서는 특히 사용자간의 공통평가 아이템 수가 적어 추천이 어려운 희박성 문제를 개선하기 위하여 통합 유사도 알고리즘을 제안하고 기존의 방법과의 성능을 비교한다.