사용자 제작 콘텐츠의 태그 정보를 활용한 협업 필터링 제품 차원 축소

Abstract

정보기술 인프라의 발전으로 사용자 제작 콘텐츠(UCC)의 폭발적인 증가를 가져왔으며 멀티미디어 콘텐츠가 Youtube에만 매일 20만 건씩 업로드 되는 현상이 그것을 잘 반영해 주고 있다. 이러한 동영상 콘텐츠는 텍스트 콘텐츠와 달리 내용의 검색이 어렵기 때문에 태그의 역할이 매우 중요해서 다른 어떤 콘텐츠 보다 태그를 잘 붙이는 특징이 있다. 이러한 태그는 UCC의 의미를 이해하는데 큰 역할을 할 수 있다. 추천 시스템은 전자 상거래에서 고객의 상품구매 정보를 활용하여 개인화된 서비스를 제공하여 사용자의 만족을 높이기 위한 시스템으로 협업 필터링 기술이 가장 성공적으로 사용되고 있으며, 멀티미디어 콘텐츠의 추천에도 많이 활용되고 있다. 하지만 협업 필터링은 기호정보나 구매내역 자료를 기반으로 분석하는 기법이기 때문에 구매 내역이 너무 적거나 많아지면 추천의 정확도나 효율성이 떨어질 가능성이 있다. 이러한 문제점을 기존 연구에서 희소성(sparsity)과 확정성(scalability) 문제로 많이 다루어 왔다. 본 논문에서는 UCC의 태그를 활용하여 차원 축소를 하여 추천의 성과를 높이고자 한다. UCC-태그 행렬을 이용하여 유사한 태그를 갖고 있는 UCC들을 하나로 여겨 묶어주어 상품의 차원을 축소하고 이를 추천에 활용하여 사용자-UCC 행렬을 만들어 기존의 협업 필터링과 성능을 Precision 을 이용하여 검증해 보고자 한다. 이를 실증적으로 검증하기 위해 대표적인 UCC 사이트인 Youtobe.com에 방문한 (주)코리안클릭의 웹 패널 데이터를 활용하였다. 분석결과, 태그 정보를 통해 차원을 축소시킨 데이터를 협업필터링에 사용한 결과 기존의 협업필터링보다 정확도가 향상되는 것을 볼 수 있었다.; Collaborative filtering (CF) has been one of the most successful techniques for personalized recommendation. However, this technique has some problems including sparsity and scalability, because it can work with customers' purchasing data or product rating data. In order to resolve these problems and improve the traditional CF algorithm, we propose a dimension reduction technique using tags of User Created Contents (UCCs). More specifically, by calculating tag similarities between UCCs using Jaccard coefficient measure, we decrease product dimensions of the customer-product matrix. To show the usefulness of the proposed technique, we perform an experiment using a real user visiting clickstream data set of a famous UCC site, YouTube for one month. The experiment results show that the performance of the proposed technique is better than that of the traditional CF algorithm. By reducing product dimensions of customer-product matrix, the proposed technique can improve computational performance of CF algorithms and also contribute to resolve scalability and sparsity problem.