모바일 멀티미디어 콘텐츠 추천을 위한 구매간격이 고려된 협업 필터링 기법

Abstract

모바일 환경이 성장함에 따라 계속해서 서비스의 발전이 이루어지고 있는 멀티미디어 콘텐츠의 서비스 종류와 양은 기하급수적으로 늘어날 것이다. 기존의 유선인터넷 환경에서 유사한 고객들의 반응을 기반으로 고객에게 만족할 만한 상품이나 광고를 추천하고자 하는 여러 시도들이 있어왔으며, 웹 사이트 개인화를 통해 고객 개인에 맞는 상품이나 광고를 제공하기 위한 많은 연구가 진행되어왔다. 그러나 유선인터넷 환경에 비해 정보검색이 어려우며 여러 가지 제약조건(작은 LCD 화면, 입력 방법의 제약, 접속 브라우저 한계, 접속 이용요금 등)을 가지고 있는 모바일 환경에서 추천시스템에 관한 연구는 상대적으로 부족한 실정이다. 따라서 모바일 환경에서 사용자 개개인의 취향이나 특성에 맞는 정보를 찾기가 더욱 힘들어지고 있으며 모바일 환경에서의 추천시스템의 중요성이 더욱 부각되고 있다. 이에 본 연구에서는 모바일 멀티미디어 콘텐츠의 하나인 통화연결음의 효과적인 추천 방법을 위해 협업 필터링추천 기법을 기반으로 하여 구매 간격에 따른 점수를 반영하여, 좀더 보완된 형태의 추천 방법을 제시하고자 하였다. 제시한 방법의 유용성을 보이기 위하여 실제 특정 통신사의 9개월간의 구매 데이터를 활용하여 실험을 수행하였다. 실험 결과 협업 필터링 기법만을 적용 했을 때 보다 구매 간격에 따른 점수를 보완했을 경우 더 높은 추천 성능을 나타냄을 알 수 있었다.; As mobile environment grows, types and quantity of multi-media content services are increasing exponentially. In the existing wired Internet, a variety of researches had been conducted to provide products or advertisements suitable for each individual customers based on similar customers’ responses, however it is true there are few studies regarding recommended systems in the mobile environment where information search is relatively difficult and there are various restrictions. Therefore, it is more and more difficult to find information appropriate for each customers’personal tastes or customers’personal tastes or characteristics in mobile environment, and so significance of recommended systems in it is being stressed more and more. Accordingly, this study tries to propose a collaborative filtering-based recommendation method for call connecting tone service, which is one of popular mobile multi-media contents. The proposed method uses purchase intervals of customers as well as customers' download preference. An experiment has been performed with a real purchase data set which is call tone download data of a Korean mobile telecom for 9 months. The result of the experiment shows that the complemented usage of purchase interval provides better performance than traditional collaborative filtering approach.