Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

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

A Predictive Algorithm using 2-way Collaborative Filtering for Recommender Systems

추천 시스템을 위한 2-way 협동적 필터링 방법을 이용한 예측 알고리즘

  • 박지선 (LG전자 CDMA단말연구소) ;
  • 김택헌 (연세대학교 컴퓨터과학과) ;
  • 류영석 (연세대학교 컴퓨터과학과) ;
  • 양성봉 (연세대학교 컴퓨터산업공학부)
  • Published : 2002.10.01
Download PDF
⟨ Previous Next ⟩

Abstract

In recent years most of personalized recommender systems in electronic commerce utilize collaborative filtering algorithm in order to recommend more appropriate items. User-based collaborative filtering is based on the ratings of other users who have similar preferences to a user in order to predict the rating of an item that the user hasn't seen yet. This nay decrease the accuracy of prediction because the similarity between two users is computed with respect to the two users and only when an item has been rated by the users. In item-based collaborative filtering, the preference of an item is predicted based on the similarity between the item and each of other items that have rated by users. This method, however, uses the ratings of users who are not the neighbors of a user for computing the similarity between a pair of items. Hence item-based collaborative filtering may degrade the accuracy of a recommender system. In this paper, we present a new approach that a user's neighborhood is used when we compute the similarity between the items in traditional item-based collaborative filtering in order to compensate the weak points of the current item-based collaborative filtering and to improve the prediction accuracy. We empirically evaluate the accuracy of our approach to compare with several different collaborative filtering approaches using the EachMovie collaborative filtering data set. The experimental results show that our approach provides better quality in prediction and recommendation list than other collaborative filtering approaches.

최근 전자상거래에서 대부분의 개인화 된 추천 시스템들은 고객의 취향에 맞는 적절한 상품을 추천하기 위하여 협동적 필터링 기술을 적용하고 있다. 사용자 기반 협동적 필터링은 특정 고객의 선호도와 가장 유사한 선호도를 가지는 고객 그룹의 선호도를 바탕으로 그 고객의 특정 상품에 대한 선호도를 예측하는 기법이다. 그러나 이 방법은 두 고객이 모두 평가를 한 상품이 있어야 하고 오직 두 고객 사이에서만 상관 관계를 구할 수 있으므로 예측의 정확성이 떨어질 가능성이 있다. 아이템 기반 협동적 필터링은 고객이 선호도를 입력한 기존의 상품들과 예측하고자 하는 상품의 상관 관계를 계산하여 선호도를 예측한다. 이 방법에서는 상품들간의 유사도를 계산하기 위하여 두 상품에 대해 선호도를 입력한 고객들의 정보를 사용한다. 그러나 고객들간의 유사도가 전혀 고려되지 않기 때문에 만약 특정 고객과 전혀 선호도가 비슷하지 않은 사용자들의 평가를 기반으로 한다면, 상품들간의 유사도가 정확 하지 않고 아울러 추천 시스템의 예측 능력과 추천 능력이 저하되는 문제점이 있다. 본 논문에서는 기존의 아이템 기반 협동적 필터링 기술의 문제점을 보완하고 추천 시스템의 예측 능력을 향상시키기 위하여 유사한 선호도를 가지는 고객들의 평가에 근거하여 상품들간의 유사도를 구하여 특정 상품에 대한 고객의 선호도를 예측하여 추천해 주는 기법을 제안한다. 본 논문에서 제안한 방법의 성능을 기존의 여러 다른 협동적 필터링 방법들과의 비교실험을 통해 평가하였다. 실험 결과 본 논문에서 제안한 방법이 기존의 다른 방법들보다 우수함을 확인할 수 있었다.

Keywords

References

  1. Badrul M. Sarwar, George Karypis, Joseph A.Konstan, John T. Riedle, 'Application of Dimensionality Reduction in Recommender System-A Case Study', ACM WebKDD 2000 Web Mining for E-Commerce Workshop, 2000
  2. Daniel Billsus, Michael J. Pazzani, 'Learning Collaborative Information Filters', Proceedings of ICML, pp.46-53, 1998
  3. Resnick, P., Iacovou, N., Suchak, M., Bergstrom, P., Riedl, J., 'GroupLens: An Open Architecture for Collaborative Filtering of Netnews,' Proceedings of ACM CSCW94 Conference on Computer Supported Cooperative Work, pp.175-186, 1994
  4. Badrul Sarwar, George Karypis, Joseph Konstan, and John Riedl, 'Analysis of Recommendation Algorithms for E-Commerce,' The ACM E-Commerce 2000 Conferencec, 2000 https://doi.org/10.1145/352871.352887
  5. Badrul Sarwar, George Karypis,J oseph Konstan, and John Riedl, ',Item-based Collaborative Filtering Recommendation Algorithms,' Accepted for publication at the WWW10 Conference, May, 2001 https://doi.org/10.1145/371920.372071
  6. Herlocker J. 'University of Minnesota,Understanding and Improving Automated Collaborative Filtering Systems,' Ph.D. Thesis, Computer Science Dept., University of Minnesota, 2000
  7. Goldberg, D., Nichols, D., Oki, B.M., and Terry, D., 'Using Collaborative Filtering to Weave an Information Tapestry,' Communications of the ACM, Vol. 35, No. 12, pp.61-70, 1992 https://doi.org/10.1145/138859.138867
  8. John S. Breese, David Heckerman, and Carl Kadie, 'Empirical analysis of predictive algorithms for collaborative filtering,' Proceedings of the conference on Uncertainty in Artificial Intelligence, pp.43-52, 1998
  9. 이성환, 패턴인식의 원리 1권, p.96-100, 홍릉과학출판사, 1994
  10. Steve Glassman, EachMovie collaborative filtering data set, Compaq Computer Corporation, URL: http://research.compaq.com/SRC/eachmovie/, 1997
  11. Jonathan L. Herlocker, Joseph A. Konstan, Al Borchers, and John Riedl, 'An Algorithm Framework for Performing Collaborative Filtering,' Proceedings of the 1999 Conference on Research and Development in Information Retrieval, 1999 https://doi.org/10.1145/312624.312682
  12. Raymond J. Mooney, Loriene Roy, 'Content-Based Book Recommending Using Learning for Text Categorization,' Proceedings of the fifth ACM Conference on ACM 2000 digital libraries, pp.195-204, 2000 https://doi.org/10.1145/336597.336662
  13. Proceedings of the fifth ACM Conference on ACM 2000 digital libraries Content-Based Book Recommending Using Learning for Text Categorization Raymond J. Mooney;Loriene Roy