이분 그래프를 활용한 추천시스템의 데이터 희소성 해결방안 연구

Abstract

데이터 희소성은 추천 시스템의 성능에 큰 영향을 미치는 문제로 추천 시스템에서 데이터 희소성을 해결하는 것은 매우 중요하다. 따라서 본 논문은 Epinions 데이터를 사용하여 데이터 희소성에 따른 추천 시스템 알고리즘의 성능을 비교하고, 신뢰 데이터를 사용하여 Hybrid 알고리즘을 개선한다. 추천 시스템 알고리즘은 행렬 분해 방식의 BPR과 확산 방식의 Hybrid를 주로 사용하였다. 첫 번째 연구에서는 데이터가 다양한 희소성을 가지도록 구성하여 희소성이 높은 데이터에서는 Hybrid 알고리즘이 더 적합하다는 것을 알 수 있었다. 두 번째 연구에서는 Hybrid 알고리즘에 신뢰 데이터를 사용하는 S-Hybrid 알고리즘을 제안하여 Hybrid 알고리즘을 개선한다. 신뢰 데이터는 사용자간의 친밀도를 보여 주는 데이터이며, 이를 통해서 기존에 연구 된 적 없었던 신뢰 데이터를 사용한 Hybrid 알고리즘을 개발 할 수 있었다.