협업필터링 기반 추천 시스템에서 항목 다양성 개선 기법

Abstract

최근 온라인 상거래 사이트는 일반적인 정보 검색 이외에 고객의 과거 이력에 기반한 개인화 추천 기능을 도입하여 적합한 상품 노출을 위해 노력하고 있다. 협업 필터링은 사회적 추천 기법을 사용하여 우수한 추천 결과를 제공하지만 초기사용자/신상품에 대한 추천이 어렵고, 평가 자료가 희박한 희소행렬 문제, 인기 상품의 중복 추천 등의 문제점이 발생한다. 기존 협업필터링 기반 추천 알고리즘 연구는 주로 예측된 선호도의 정확도 향상에 초점을 맞추어왔으나 추천 시스템의 만족도 향상에는 정확도뿐만 아니라 추천 항목의 다양성도 중요한 요소로 평가되고 있다. 본 연구에서는 추천 항목의 다양성에 초점을 맞추어 특정 사용자에게 동일한 항목들이 중복 추천되는 전통 협업필터링의 문제점을 개선하는 방법을 제안한다. 성능 비교 실험을 통해 기존 방법 대비 제안 방법의 정확도와 다양성을 비교한 결과를 제시한다.