사용자 평점 예측성능 향상을 위한 User2Vec 학습 기법

Abstract

본 논문에서는 협력 추천 기법의 성능 향상에 목적을 두고 기존 기법들의 특징 및 문제점을 알아보고 자연어 처리 분야에서 단어의 의미를 다차원의 벡터 공간에 벡터화하여 분류하는 Word2vec를 적용한 협력추천 기법인 User2vec 모델을 제안한다. 본 논문에서 제시하고자 하는 기법은 기존 협력 추천 기법에서 사용자의 유사도를 구하는 방식을 변경하는 기법이다. 기존 사용자기반 협력 추천에서는 사용자-아이템 간 평점정보의 코사인 유사도(Cosine Similarity) 나 피어슨 상관계수(Pearson Correlation Coefficient)를 이용하여 사용자간 유사도를 계산하였다면 단순히 평점정보만 이용하는 것이 아닌 사용자의 평점 내린 날짜를 반영하여 같은 영화를 보고 평점을 내린 사용자끼리 더 연결이 되는 방식을 제안한다. 제 3장에서는 User2vec의 실제 학습하는 데이터를 소개하고 학습 데이터를 생성하는 방법에 대해 제시하고, 학습을 진행하여 생성된 벡터 공간을 이용하여 계산된 사용자 유사도를 활용하여 평점 예측하는 방법을 설명한다. 해당 절에서 데이터 생성 기법은 U2V, U2V+E, U2V+R, U2V+M와 같은 명칭을 이용하여 생성하는 기법의 특징들에 대해 설명하고, 각 생성 기법을 결합한 U2V+ER, U2V+ERM기법을 소개한다. 제 4장에서는 기존의 전통 협력 추천 시스템과의 성능 비교를 통하여서 해당 논문에서 제안하는 기법의 성능을 평가하고, 추천 시스템의 새로운 방안을 제시한다. 실험 결과, 본 논문에서 제안하는 기법 중 User2vec를 활용한 기법과 기본 기법에서 여러 생성 기법을 결합한 U2V+ERM 기법의 성능이 가장 좋았음을 확인 할 수 있었다. 데이터 생성을 어떻게 하느냐에 따라서 사용자 간의 유사도를 구하는 성능이 달라질 수 있음을 보였다. 마지막으로, 기존 기법들과 비교하여 본 논문에서 제안한 기법이 추천의 정확도를 높일 뿐만 아니라 아이템의 다양성을 높여 추천 성능을 효과적으로 향상 시킬 수 있음을 확인하였다.