$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

영화 추천 시스템의 초기 사용자 문제를 위한 장르 선호 기반의 클러스터링 기법
Clustering Method based on Genre Interest for Cold-Start Problem in Movie Recommendation 원문보기

지능정보연구 = Journal of intelligence and information systems, v.19 no.1, 2013년, pp.57 - 77  

유띳로따낙 (인하대학교 IT 공과대학 컴퓨터정보공학과) ,  누르지드 (인하대학교 IT 공과대학 컴퓨터정보공학과) ,  하인애 (인하대학교 IT 공과대학 컴퓨터정보공학과) ,  조근식 (인하대학교 IT 공과대학 컴퓨터정보공학부)

초록
AI-Helper 아이콘AI-Helper

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생

Abstract ▼ AI-Helper 아이콘AI-Helper

Social media has become one of the most popular media in web and mobile application. In 2011, social networks and blogs are still the top destination of online users, according to a study from Nielsen Company. In their studies, nearly 4 in 5active users visit social network and blog. Social Networks...

주제어

#초기 사용자 추천 시스템   #협업적 여과   #클러스터링   #장르 선호도   #소셜 네트워크  

참고문헌 (33)

  1. Aart, C. V., L. Y. Raimond, D. Brickley, G. Schreiber, M. Minno, L. Miller, D. Palmisano, M. Mostarda, R. Siebes, and V. Buser, "The No Tube Beancounter : aggregating user data for television programme recommendation", in Proceedings of the Linked Data on the Web Workshop (LDOW 2009), Madrid, Spain, 2009. 

  2. Adomavicius, G. and A. Tuzhilin, "Toward the next generation of recommender system : A survey of the state-of-the-art and possible extensions", IEEE Trans. Knowl. Data Eng., Vol.17, No.6(2005), 734-749. 

    상세보기 crossref

  3. Aimeur, E., G. Brassard, J. M. Fernandez, and F. S. Onana, "Privacy-preserving demographic filtering", In Proceedings of the 2006 ACM symposium on Applied computing, (2006), 872-878. 

  4. Bertini, M., A. D. Bimbo, A. Ferracani, and D. Pezzatini, "A Social Network for Video Annotation and Discovery Based on Semantic Profiling", in Proceedings of the 21st international conference companion on World Wide Web, Lyon, France, 2012. 

  5. Burke, R., "Hybrid recommender systems : Survey and experiments", User modeling and useradapted interaction, Vol.12, No.4(2002), 331-370. 

    crossref

  6. Chikhaoui, B., M. Chiazzaro, and Wang, S., "An Improved Hybrid Recommender System by Combining Predictions", In Advanced Information Networking and Applications (WAINA), 2011 IEEE Workshops of International Conference, (2011), 644-649. 

  7. Cho, Y. and J. Bang, "Applying Centrality Analysis to Solve the Cold-Start and Sparsity Problems in Collaborative Filtering", Journal of Intelligence and Information Systems, Vol.17, No.3(2011), 99-114. 

    원문보기 상세보기

  8. Choi, S. M. and Y. S. Han, "A content recommendation system based on category correlations", In The fifth international multi-conference on computing in the global information technology, (2010), 1257-1260. 

  9. Choi, S. M., S. K. Ko, and Y. S. Han, "A movie recommendation algorithm based on genre correlations", Expert Systems with Applications,2012. 

  10. Gunawardana, A. and C. Meek, "A unified approach to building hybrid recommender systems", In of the third ACM conference on Recommender systems, (2009), 117-124. 

  11. Hameed, M. A., O. Al Jadaan, and S. Ramachandram, "Collaborative Filtering Based Recommendation System : A survey", International Journal on Computer Science and Engineering, Vol.4, No.5(2012), 859-876. 

  12. Herlocker, J. L., J. A. Konstan, A. Borchers, and J. Riedl, "An algorithmic framework for performing collaborative filtering", in Proceedings of the SIGIR conference, New York, NY, USA : ACM, (1999), 230-237. 

  13. Herlocker, J. L., J. A. Konstan, L. G. Terveen, and J. T. Riedl, "Evaluating collaborative filtering recommender systems", ACM Transactions on Information Systems (TOIS), Vol. 22, No.1(2004), 5-53. 

    상세보기 crossref

  14. Herlocker, J. L., J. A. Konstan, and J. Riedl, "Explaining collaborative filtering recommendations", In of the 2000 ACM conference on Computer supported cooperative work, (2000), 241-250. 

  15. Hill, W., L. Stead, M. Rosenstein, and G. Furnas, "Recommending and evaluating choices in a virtual community of use", Proceedings of the ACM CHI ' 95 Conference on Human Factors in Computing Systems, (1995), 194-201. 

  16. Jin, X., C. Wang, J. Luo, X. Yu, and J. Han, "Likeminer : A system for mining the power of 'like' in social media networks", In Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining, KDD, 2011. 

  17. Jung, J. J., "Attribute selection-based recommendation framework for long-tail user group : An empirical study on movie lens dataset", Expert Systems with Application, 2011. 

  18. Kim, K. R. and N. Moon, "Recommender system design using movie genre similarity and preferred genres in SmartPhone", Multimedia Tools and Applications, (2012), 1-18. 

  19. Lam, X. N., T. Vu, T. D. Le, and Duong, A. D., "Addressing cold-start problem in recommendation systems", In of the 2nd international conference on Ubiquitous information management and communication, (2008), 208-211. 

  20. Lekakos, G. and G. M. Giaglis, "Improving the prediction accuracy of recommendation algorithms : Approaches anchored on human factors", Interacting with computers, Vol.18, No.3 (2006), 410-431. 

    상세보기 crossref

  21. Li, Q. and B. M. Kim, "Clustering approach for hybrid recommender system", In Intelligence, 2003, Proceedings, IEEE/WIC International Conference, (2003), 33-38. 

  22. Melville, P., R. J. Mooney, and R. Nagarajan, "Content-boosted collaborative filtering for improved recommendations", In of the National Conference on Artificial Intelligence, Menlo Park, CA; Cambridge, MA; London; AAAI Press; MIT Press; (1999), 187-192. 

  23. Miller, B. N., J. A. Konstan, and J. Riedl, "Pocket Lens : Toward a personal recommender system", ACM Transactions on Information Systems (TOIS), Vol.22, No.3(2004), 437-476. 

    상세보기 crossref

  24. Park, J. H. K. and Y. H. Cho, "Social Network Analysis for the Effective Adoption of Recommender System", Journal of Intelligence and Information Systems, Vol.17, No.4(2011), 305-316. 

  25. Pazzani, M. J., "A framework for collaborative, content-based and demographic filtering", Artificial Intelligence Review, Vol.13, No.5(1999), 393-408. 

    crossref

  26. Resnick, P. and H. R. Varian, "Recommender systems", Communications of the ACM, Vol.40, No.3(1997), 56-58. 

  27. Resnick, P., N. Iacovou, M. Suchak, P. Bergstrom, and J. Riedl, "Grouplens : an open architecture for collaborative filtering of netnews", In : Proceedings of the ACM Conference on Computer Supported Cooperative Work, (1994), 175-186. 

  28. Sean, V., K. J. Oh, and G. S. Jo, "A User Profilebased Filtering Method for Information Search in Smart TV Environment", Journal of Intelligence and Information Systems, Vol.18, No.3 (2012), 91-117. 

  29. Schein, A. I., A. Popescul, L. H. Ungar, and D. M. Pennock, "Methods and metrics for cold start recommendations", In of the 25th annual international ACM SIGIR conference on Research and development in information retrieval, (2002), 253-260. 

  30. Shardanand, U. and P. Maes, "Social information filtering : algorithms for automating word of mouth", In : Proceedings of the ACM CHI'95 Conference on Human Factors in Computing Systems, Denver, Colorado, (1995), 210-217. 

  31. Sun, D., C. Li, and Luo, Z., "A content-enhanced approach for cold-start problem in collaborative filtering", In Intelligence, Management Science and Electronic Commerce (AIMSEC), 2011 2nd International Conference on IEEE, (2011), 4501-4504. 

  32. Sun, D., Z. Luo, and Zhang, F., "A novel approach for collaborative filtering to alleviate the new item cold-start problem", In Communications and Information Technologies (ISCIT), 2011 11th International Symposium on, (2011), 402-406. 

  33. Wang, Z., M. Zhang, Y. Tan, W. Wang, Y. Zhang, and L. Chen, "Recommendation Algorithm Based on Graph-Model Considering User Background Information", 2011 Ninth International Conference on Creating, Connecting and Collaborating through Computing, (2011), 32-39. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로