Abstract

With the flood of multimedia contents over the digital TV channels, the internet, and etc., users sometimes have a difficulty in finding their preferred contents, spend heavy surfing time to find them, and are even very likely to miss them while searching. In this paper we suggests two-step clustering technique using time schema on how the system can recommend the user's preferred contents based on the collaborative filtering that has been proved to be successful when new users appeared. This method maps and recommends users' profile according to the gender and age at the first step, and then recommends a probabilistic item clustering customers who choose the same item at the same time based on time schema at the second stage. In addition, this has improved the accuracy of predictions in recommendation and the efficiency in time calculation by reflecting feedbacks of the result of the recommender engine and dynamically update customers' preference.

디지털 TV 채널 및 인터넷 상에서의 멀티미디어 컨텐츠의 홍수로 인해 사용자는 종종 자신이 선호하는 컨텐츠를 찾는데 어려움을 갖고 있으며, 또한 컨텐츠를 찾기 위해 많은 시간을 들이고 있다. 심지어 컨텐츠를 검색하는 동안 원하는 정보를 잃어버리는 경우도 있다. 고객들이 선호하는 컨텐츠를 추천하는 기존 시스템들이 가지는 문제점으로 사용자 수가 증가함에 따라 추천시간이 증가하는 확장성 문제와 새로운 고객의 경우 상품에 대한 선호도 정보가 부족할 경우 추천 정확도가 저하되는 희박성 문제가 있다. 본 논문에서는 이러한 문제점들을 해결하기 위해 협력적 필터링 방식에 기반한 2단계 클러스터링 기법을 제안한다. 1단계에서는 고객의 성과 나이와 같은 기본적인 사용자 정보만을 사용하여 추천하고, 2단계에서는 사용자의 동적인 성향 변화를 반영하기 위해 시간스키마를 적용하여 추천한다. 이렇게 추천된 결과의 피드백을 이용함으로써 계산시간의 단축과 예측정확도를 높일 수 있다.

Keywords

• Personalization;
• Recommender System;
• Two-step Clustering;
• Collaborative filtering

• 개인화;
• 추천시스템;
• 2단계 클러스터링;
• 협력적 필터링;