The Journal of the Korea Contents Association (한국콘텐츠학회논문지)

The Korea Contents Association (한국콘텐츠학회)
권호 표지
DOI QR코드

DOI QR Code

Discovery of Preference through Learning Profile for Content-based Filtering

내용 기반 필터링을 위한 프로파일 학습에 의한 선호도 발견

  • Published : 2008.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

The information system in which users can utilize to control and to get the filtered information efficiently has appeared. Content-based filtering can reflect content information, and it provides recommendation by comparing the feature information about item and the profile of preference. This has the shortcoming of the varying accuracy of prediction depending on teaming method. This paper suggests the discovery of preference through learning the profile for the content-based filtering. This study improves the accuracy of recommendation through learning the profile according to granting the preference of 6 levels to estimated value in order to solve the problem. Finally, to evaluate the performance of the proposed method, this study applies to MovieLens dataset, and it is compared with the performance of previous studies.

사용자가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 정보 시스템이 등장하였다. 내용 기반 필터링은 아이템의 특징을 기술하는 정보와 사용자의 기호를 가지고 있는 프로파일을 비교하여 사용자에게 필요한 정보를 추천하는 방법이다. 이는 학습 방법에 따른 정확도가 변한다는 문제점이 있다. 본 논문에서는 내용 기반 필터링을 위한 프로파일 학습에 의한 선호도 발견을 제안하였다. 문제점을 개선하기 위해서 6단계로 평가한 선호도에 따른 추정치를 부여하여 프로파일 학습을 함으로써 추천의 정확도를 향상시켰다. 제안한 방법을 MovieLens 데이터에 적용하여 실험 및 평가를 실시하였는데, 기존 연구와 비교 실험을 통해 성능을 평가하였다.

Keywords

References

  1. A. Ansari, S. Essegaier, and R. Rkohli, "Internet Recommendation Systems," Jour. of Marketing Research, Vol.37, pp.363-375, 2000. https://doi.org/10.1509/jmkr.37.3.363.18779
  2. D. M. Pennock and E. Horvitz, "Collaborative Filtering by Personality Diagnosis: A Hybrid Memory and Model based Approach," Proc. of the Conf. on Uncertainty in AI, 2000.
  3. S. J. Ko and J. H. Lee, "User Preference Mining through Collaborative Filtering and Content Based Filtering in Recommender System," LNCS 2455, pp.244-253, 2002.
  4. D. D. Lewis and M. Ringuette, "Comparison of Two Learning Algorithms for Text Categorization," Proc. of the Symposium on Document Analysis and Information Retrieval, 1994.
  5. K. Y. Jung, "User Preference through Bayesian Categorization for Recommendation," LNAI 4099, pp.112-119, 2006.
  6. Y. H. Li and A. K. Jain, "Classification of Text Documents," Jour. of the Computer, Vol.41, No.8, pp.537-546, 1998. https://doi.org/10.1093/comjnl/41.8.537
  7. A. McCallum and K. Nigram, "A Comparison of Event Models for Naïve Bayes Text Classification," Proc. of the AAAI-98 Workshop on Learning for Text Categorization, 1998.
  8. 정경용, "혼합 필터링과 연관 이웃 마이닝을 이용한 개인화 아이템 추천 기법", 인하대학교 박사학위논문, 2005.
  9. http://www.cs.umn.edu/research/GroupLens/
  10. P. Melville, R. J. Mooney, and R. Nagarajan, "Content-Boosted Collaborative Filtering for Improved Recommendations," Proc. of the National Conf. on Artificial Intelligence, pp.187-192, 2002.

Cited by

  1. Personalized Dietary Nutrition Contents Recommendation using Hybrid Filtering for Managing Health vol.11, pp.11, 2011, https://doi.org/10.5392/JKCA.2011.11.11.001
  2. Applying Rating Score's Reliability of Customers to Enhance Prediction Accuracy in Recommender System vol.13, pp.7, 2013, https://doi.org/10.5392/JKCA.2013.13.07.379