선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- CF는 상품추천, 영화추천 등 다양한 분야에서 사용되어왔지만 IPTV 영역에 CF를 적용하는 것은 기존의 CF를 적용하던 영역과는 다른 특징이 있다. 본 연구에서는 이를 확인하고자 상용 IPTV 서비스인 KT의 쿡TV 서비스 사용자들의 시청로그에 CF를 적용해서 CF모델을 생성했으며, 생성된 CF모델을 분석해서 IPTV영역에 협력 필터링을 적용할 때 고려해야 할 사항들을 파악하고자 한다.
- 지금까지 우리는 IPTV 영역에서 시청자의 시청로그에 기반하는 협력필터링(Collaborative Filtering)을 적용함에 있어서 크게 영향을 끼치는 요소가 무엇인지 살펴봤다.
제안 방법
- 데이터 분석은 3.1의 데이터를 3.2의 방법으로 모델링해서 만들어진 CF 모델에 어떤 규칙들이 포함되어 있는지를 살펴보는 방식으로 진행했다. CF 모델 생성에 영향을 끼치는 요소들을 분석하기 위해 VOD 컨텐츠의 특성 별로 모델에 포함된 규칙들에 어떤 것들이 있는지를 살펴봤으며, 분석 대상이 된 VOD 컨텐츠의 특성은 시리즈 물, 시청등급, 카테고리, 가격, 시청빈도, 주연배우, 감독 등이다.
- 실제 CF 모델에도 이와 같은 가격의 특징적인 연관관계가 드러나는지 확인하기 위해 앞선 분석들과 마찬가지로 유료 VOD 중 임의로 몇 개의 VOD를 선택해서 그 VOD를 시청했을 경우 CF 모델을 통해서 받게 되는 추천결과 리스트를 살펴본 결과는 다음 표6과 같았다.
- 실제 CF 모델에도 이와 같은 시리즈 물의 특징적인 연관관계가 드러나는지 확인하기 위해 특정 시리즈 물인 VOD 중 임의로 몇 개의 VOD를 선택해서 그 VOD를 시청했을 경우 CF 모델을 통해서 받게 되는 추천결과 리스트를 살펴본 결과는 다음 표1과 같았다.
- 실제 CF 모델에도 이와 같은 시청 등급의 특징적인 연관관계가 드러나는지 확인하기 위해 시리즈 물과 마찬가지로 시청 등급이 19세 이상인 VOD 중 임의로 몇 개의 VOD를 선택해서 그 VOD를 시청했을 경우 CF 모델을 통해서 받게 되는 추천결과 리스트를 살펴본 결과는 다음 표3과 같았다.
- 실제 CF 모델에도 이와 같은 주연배우와 감독의 특징적인 연관관계가 드러나는지 확인하기 위해 앞선 분석들과 마찬가지로 특정 주연배우의 VOD를 임의로 몇 개 선택해서 그 VOD를 시청했을 경우 CF 모델을 통해서 받게 되는 추천결과 리스트를 살펴본 결과는 다음 표10과 같았다.
- 수회밖에 시청되지 않은 VOD가 있는 반면에 수십만 회 이상 시청된 VOD도 있다. 인기 VOD들 간의 연관관계를 확인하기 위해서는 시청빈도가 높은 인기 VOD를 구분하는 것이 필요한데 임의로 10,000회 이상 시청된 VOD를 인기 VOD로 간주하여 실험을 진행했다. 시청빈도가 10,000회 이상인 VOD 중 임의로 몇 개의 VOD를 선택해서 그 VOD를 시청했을 경우 CF 모델을 통해서 받게 되는 추천결과 리스트를 살펴본 결과 시청빈도가 높은 VOD들 간의 연관관계가 매우 강한 것을 확인할 수 있었다.
대상 데이터
- 2의 방법으로 모델링해서 만들어진 CF 모델에 어떤 규칙들이 포함되어 있는지를 살펴보는 방식으로 진행했다. CF 모델 생성에 영향을 끼치는 요소들을 분석하기 위해 VOD 컨텐츠의 특성 별로 모델에 포함된 규칙들에 어떤 것들이 있는지를 살펴봤으며, 분석 대상이 된 VOD 컨텐츠의 특성은 시리즈 물, 시청등급, 카테고리, 가격, 시청빈도, 주연배우, 감독 등이다.
- 분석에 사용된 시청이력 데이터는 KT의 상용 IPTV 서비스인 쿡TV 서비스 사용자들이 2009년 12월 1일부터 2009년 12월 26일까지 약 1개월 동안 시청한 시청이력 데이터로서 건수로는 약 9천만 건에 해당한다. 이외에도 협력필터링 모델 생성에 영향을 끼치는 요소를 찾기 위해 쿡TV 서비스의 VOD 컨텐츠 메타데이터 정보가 사용됐다.
- 분석에 사용된 시청이력 데이터는 KT의 상용 IPTV 서비스인 쿡TV 서비스 사용자들이 2009년 12월 1일부터 2009년 12월 26일까지 약 1개월 동안 시청한 시청이력 데이터로서 건수로는 약 9천만 건에 해당한다. 이외에도 협력필터링 모델 생성에 영향을 끼치는 요소를 찾기 위해 쿡TV 서비스의 VOD 컨텐츠 메타데이터 정보가 사용됐다.
이론/모형
- 사용자의 시청이력 정보를 이용한 VOD 추천 서비스 모델을 만들기 위해 사용한 알고리즘은 협력 필터링(Collaborative Filtering)이다. 전형적으로 많이 사용되는 User-Item 방식의 CF가 아닌 Item-Item CF 방식을 사용했다.
- 최근의 연구들에서 Item-Item CF의 성능이 User-Item CF보다 일반적으로 더 좋다는 것이 확인되고 있다. 아이템들간의 유사도 측정방법은 코사인 유사도(Cosine Similarity)를 사용했다.
- 사용자의 시청이력 정보를 이용한 VOD 추천 서비스 모델을 만들기 위해 사용한 알고리즘은 협력 필터링(Collaborative Filtering)이다. 전형적으로 많이 사용되는 User-Item 방식의 CF가 아닌 Item-Item CF 방식을 사용했다. 주어진 사용자와 구매패턴이 유사한 사용자들을 찾아서 그 사용자들은 구매했지만 주어진 사용자는 구매하지 않은 아이템을 추천해 주는 UserItem CF와 다르게 Item-Item CF는 주어진 아이템을 구매한 사용자들이 비율적으로 가장 유사하게 구매한 다른 아이템을 찾는 방식이다.
성능/효과
- CF 모델 전체에서 유료 VOD들 간의 연관관계를 살펴본 결과 표6의 예에서 확인할 수 있었던 것과 다르게 CF 모델 전체에서는 유료 VOD들 간의 연관관계가 매우 강한 것을 확인할 수 있었다. 하지만 데이터를 좀 더 자세히 분석한 결과 이것은 유료 VOD들 간의 연관관계가 강한 것이 아님을 알 수 있었다.
- 특히 데이터를 구분하지 않고 CF 모델을 만들었음에도 불구하고 동일한 시청등급, 카테고리의 VOD들 간에는 강한 연관관계가 존재하는 것을 확인함으로써 시청등급 별 혹은 카테고리 별로 CF 모델을 따로 생성하는 것이 불필요하다는 것을 알 수 있었다. 또한 주연배우와 감독의 예 등에서 드러났듯이 VOD들 간의 연관관계에 영향을 끼칠 수 있는 요소가 동시에 여러 개가 존재하면 좀더 영향력이 강한 요소에 영향을 받는 VOD들이 더 높은 유사도를 가지게 됨을 알 수 있었다.
- 시리즈 물과 성인물을 제외하고 나자 유료 VOD들 간의 연관관계가 약한 것은 특정 예에서만 드러나는 특수한 현상이 아니라 CF 모델의 규칙 전반에서 나타나는 일반적인 현상임을 확인할 수 있었다.
- 시리즈 물은 특히 드라마, 어린이, 애니메이션, 교육 등의 카테고리에서 많이 나타났으며, 시리즈 물 내 VOD의 개수가 충분히 많을 경우 대부분의 시리즈 물에서 유사도 상위 100위 중 90% 이상이 동일 시리즈 물이었다.
- 인기 VOD들 간의 연관관계를 확인하기 위해서는 시청빈도가 높은 인기 VOD를 구분하는 것이 필요한데 임의로 10,000회 이상 시청된 VOD를 인기 VOD로 간주하여 실험을 진행했다. 시청빈도가 10,000회 이상인 VOD 중 임의로 몇 개의 VOD를 선택해서 그 VOD를 시청했을 경우 CF 모델을 통해서 받게 되는 추천결과 리스트를 살펴본 결과 시청빈도가 높은 VOD들 간의 연관관계가 매우 강한 것을 확인할 수 있었다. 이것은 시청빈도가 낮은 VOD들 간에도 마찬가지여서 시청빈도가 낮은 VOD들 간의 연관관계 또한 매우 강한 것을 확인할 수 있었다.
- 시청빈도가 10,000회 이상인 VOD 중 임의로 몇 개의 VOD를 선택해서 그 VOD를 시청했을 경우 CF 모델을 통해서 받게 되는 추천결과 리스트를 살펴본 결과 시청빈도가 높은 VOD들 간의 연관관계가 매우 강한 것을 확인할 수 있었다. 이것은 시청빈도가 낮은 VOD들 간에도 마찬가지여서 시청빈도가 낮은 VOD들 간의 연관관계 또한 매우 강한 것을 확인할 수 있었다.(시청빈도와 관련된 자료들은 KT 내부자료와 연관될 수 있기 때문에 부득이 생략했다.
- 위의 결과는 동일 감독의 경우에도 4%로 마찬가지였다. 주연배우가 동일하거나 감독이 동일한 VOD들 간의 연관관계가 상대적으로 약한 것은 특정 예에서만 드러나는 특수한 현상이 아니라 CF 모델의 규칙 전반에서 나타나는 일반적인 현상임을 확인할 수 있었다. 하지만 CF 모델이 상위 100위까지의 결과를 가지고 있는 반면 동일 주연배우나 동일 감독의 VOD는 많아야 5~10개 내외인 것을 고려하면 주연배우가 동일하거나 감독이 동일한 VOD들 간의 연관관계가 없다고 보기는 어렵다.
- 한편 시청등급, 카테고리, 시청빈도 등은 예상대로 연관관계가 강하게 드러났지만, 반대로 가격, 주연, 감독 등은 예상과는 다르게 연관관계가 약한 것으로 드러났다. 특히 데이터를 구분하지 않고 CF 모델을 만들었음에도 불구하고 동일한 시청등급, 카테고리의 VOD들 간에는 강한 연관관계가 존재하는 것을 확인함으로써 시청등급 별 혹은 카테고리 별로 CF 모델을 따로 생성하는 것이 불필요하다는 것을 알 수 있었다. 또한 주연배우와 감독의 예 등에서 드러났듯이 VOD들 간의 연관관계에 영향을 끼칠 수 있는 요소가 동시에 여러 개가 존재하면 좀더 영향력이 강한 요소에 영향을 받는 VOD들이 더 높은 유사도를 가지게 됨을 알 수 있었다.
- 무엇보다 영향력이 컸던 요소는 시리즈 물로서 VOD의 절대적인 개수 자체도 많았을 뿐만 아니라 시리즈 내 VOD들 간의 연관관계가 매우 강했다. 특히 시리즈 물은 기존에 CF가 많이 적용되던 영화나 상품영역에는 거의 존재하지 않는 요소로서 TV 방송을 아우르는 IPTV 영역에 CF를 적용하기 위해서는 가장 중요하게 고려해야 할 요소라는 것을 알 수 있었다.
- 표10에서 확인할 수 있는 바와 같이 예상과는 다르게 주연배우가 같은 VOD들 간의 연관관계는 거의 없는 것을 확인할 수 있었다.
- 표1에서 확인할 수 있는 바와 같이 시리즈 물 내 VOD들 간의 연관관계가 매우 강한 것을 확인할 수 있었다. CF 모델 상에서 “MBC_125회_거침없이 하이킥”과 유사도가 높은 VOD들은 상위 10위 전부가 동일 시리즈 물 내의 VOD였고, 상위 99위까지도 전부 동일 시리즈 물 내의 VOD였다.
- 표2에서 확인할 수 있는 바와 같이 시리즈 물 내 VOD들 간의 연관관계가 매우 강한 것은 특정 예에서만 드러나는 특수한 현상이 아니라 CF 모델의 규칙 전반에서 나타나는 일반적인 현상임을 확인할 수 있었다.
- 표3에서 확인할 수 있는 바와 같이 시청 등급이 19세 이상인 VOD들 간의 연관관계가 매우 강한 것을 확인할 수 있었다.
- 표5에서 확인할 수 있는 바와 같이 카테고리가 영화인 VOD들 간의 연관관계가 매우 강한 것을 확인할 수 있었다.
- 표6에서 확인할 수 있는 바와 같이 예상과는 다르게 유료 VOD들 간의 연관관계는 거의 없는 것을 확인할 수 있었다. 반대로 무료 VOD들 간의 연관관계는 무척 강했는데, 이것은 특별히 무료 VOD들 간의 연관관계가 강하다기 보다는 유료 VOD든 무료 VOD든 상관없이 무료 VOD와의 연관관계가 강한 것으로 파악된다.
- 한편 시청등급, 카테고리, 시청빈도 등은 예상대로 연관관계가 강하게 드러났지만, 반대로 가격, 주연, 감독 등은 예상과는 다르게 연관관계가 약한 것으로 드러났다. 특히 데이터를 구분하지 않고 CF 모델을 만들었음에도 불구하고 동일한 시청등급, 카테고리의 VOD들 간에는 강한 연관관계가 존재하는 것을 확인함으로써 시청등급 별 혹은 카테고리 별로 CF 모델을 따로 생성하는 것이 불필요하다는 것을 알 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.