The Journal of Bigdata (한국빅데이터학회지)

Korea Bigdata Society (한국빅데이터학회)
권호 표지

An Empirical Study on Hybrid Recommendation System Using Movie Lens Data

무비렌즈 데이터를 이용한 하이브리드 추천 시스템에 대한 실증 연구

  • 김동욱 (아주대학교 경영대학 e-비즈니스학과) ;
  • 김성근 (아주대학교 경영대학 경영정보학과) ;
  • 강주영 (아주대학교 경영대학 e-비즈니스학과)
  • Received : 2017.01.18
  • Accepted : 2017.02.06
  • Published : 2017.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

Recently, the popularity of the recommendation system and the evaluation of the performance of the algorithm of the recommendation system have become important. In this study, we used modeling and RMSE to verify the effectiveness of various algorithms in movie data. The data of this study is based on user-based collaborative filtering using Pearson correlation coefficient, item-based collaborative filtering using cosine correlation coefficient, and item-based collaborative filtering model using singular value decomposition. As a result of evaluating the scores with three recommendation models, we found that item-based collaborative filtering accuracy is much higher than user-based collaborative filtering, and it is found that matrix recommendation is better when using matrix decomposition.

최근 추천 시스템의 인기와 함께 추천 시스템의 알고리즘의 성능에 대한 평가가 중요해 졌다. 본 연구는 영화 데이터에서 다양한 알고리즘 중 어떤 알고리즘의 효과적인지 판단하기 위하여 모델링과 RMSE를 통한 모델 검증을 하였다. 본 연구의 데이터는 무비렌즈의 평가 데이터 10만건을 활용하여 피어슨 상관계수를 활용한 사용자 기반 협업 필터링, 코사인 상관계수를 활용한 아이템 기반 협업 필터링 그리고 특이 값분해를 활용한 아이템 기반 협업 필터링 모델을 만들었다. 세가지 추천 모델로 평점을 예측한 결과 사용자 기반 협업 필터링보다 아이템 기반 협업 필터링의 정확도가 월등히 높은 것을 확인했고, 행렬 분해를 사용했을 때 더 정확한 추천을 할 수 있었다.

Keywords

References

  1. 안현철, 한인구, 김경재, "연관규칙기법과 분류모형을 결합한 상품 추천 시스템: G 인터넷 쇼핑몰의 사례", Information Systems Review, 제8권, 제1호, pp.181-201, 2006.
  2. 이재식, 박석두, "장르별 협업 필터링을 이용한 영화추천 시스템의 성능 향상", 한국지능정보시스템학회논문지, 제13권, 제4호, pp.65-78, 2007.
  3. Bell, R.M., Y. Koren, and C. Volinsky, The BellKor solution to the Netflix prize, 2007.
  4. Bennett, J. and L. Stan, "The netflix prize", Proceedings of KDD cup and workshop. 2007.
  5. Breese, J.S., D. Heckerman, and C. Kadie, "Empirical analysis of predictive algorithms for collaborative filtering", In Proceedings of the Fourteenth conference on Uncertainty in artificial intelligence (pp.43-52). Morgan Kaufmann Publishers Inc., 1998.
  6. Cho, Y.S. and R.K. Ho, "Personalized Recommendation System using FP-tree Mining based on RFM", Journal of the Korea Society of Computer and Information, Vol.17, No.2, pp.197-206, 2012. https://doi.org/10.9708/jksci.2012.17.2.197
  7. Davidson, J., B. Liebald, J. Liu, P. Nandy, T. Van Vleet, U. Gargi, and D. Sampath, "The YouTube video recommendation system", In Proceedings of the fourth ACM Conference on Recommender Systems (pp.293-296), ACM, 2010.
  8. Ekstrand, M.D., J.T. Riedl, and J.A. Konstan, "Collaborative filtering recommender systems", Foundations and Trends in Human-Computer Interaction, Vol.4, No.2, pp.81-173, 2011. https://doi.org/10.1561/1100000009
  9. Koren, Y., R. Bell, and C. Volinsky, "Matrix factorization techniques for recommender systems", Computer, Vol.42, No.8, pp.30-37, 2009. https://doi.org/10.1109/MC.2009.263
  10. Linden, G., B. Smith, and J. York, "Amazon. com recommendations: Item-to-item collaborative filtering", IEEE Internet Computing, Vol.7, No.1, pp.76-80, 2003. https://doi.org/10.1109/MIC.2003.1167344
  11. Resnick et al., "GroupLens: an open architecture for collaborative filtering of netnews", Proceedings of the 1994 ACM conference on Computer supported cooperative work, ACM, 1994.
  12. Funk, S., "Netflix update: Try this at home", http://sifter.org/-simon/journal/20061211.html, Archived by WebCite at http://www.webcitation.org/5pVQphxrD, December 2006.
  13. Sarwar, B., G. Karypis, J. Konstan, and J. Riedl, "Item-based collaborative filtering recommendation algorithms", In Proceedings of the 10th international conference on World Wide Web (pp.285-295). ACM, 2001.
  14. Schafer, J.B., D. Frankowski, J. Herlocker, and S. Sen, "Collaborative filtering recommender systems", In The adaptive web (pp.291-324). Springer Berlin Heidelberg, 2007.
  15. Sill, J., G. Takacs, L. Mackey, and D. Lin, Featureweighted linear stacking. arXiv preprint arXiv:0911.0460, 2009.
  16. Shardanand, U. and P. Maes, "Social information filtering: Algorithms for automating "word of mouth", in ACM CHI '95, pp.210-217, ACM Press/Addison-Wesley Publishing Co., 1995.
  17. Hill, W., L. Stead, M. Rosenstein, and G. Furnas, "Recommending and evaluating choices in a virtual community of use", in ACM CHI '95, pp.194-201, ACM Press/Addison-Wesley Publishing Co., 1995.