추천 시스템의 수행 성능 및 정확도 향상을 위한 카테고리 전문가 활용 방안

Abstract

추천의 정확도와 수행 성능을 만족시키기 위하여 다양한 추천 방안들이 제안되었다. 그러나 추천의 정확도와 수행 성능은 상반관계(trade-off)에 있기 때문에 이 두 가지를 동시에 만족하기 매우 어려운 일이었다. 기존 추천 방안들은 유사한 유저 또는 아이템을 찾고, 이를 이용하여 추천하였으나 유사도 계산에 많은 시간이 소모된다는 단점이 존재하였다. 이를 해결하기 위하여 미리 유사한 유저 또는 아이템을 찾아두고, 이후에 이를 이용하는 방안들이 제안되었으나, 정확도가 저하되는 문제가 있었다. 본 논문에서는 추천의 정확도와 수행 성능을 동시에 만족하는 추천 방안을 제안한다. 이를 위하여 유사한 유저나 아이템을 찾는 대신, 카테고리 전문가의 의견을 이용하여 각 유저에게 추천할만한 아이템을 찾는다. 카테고리 전문가는 유사한 유저 및 아이템을 찾아 관리하는 것보다 빠른 시간에 수행될 수 있다. 또한 유저는 상품 선택을 위하여 전문가에게 의견을 구하기 때문에 정확도 측면에서 이점이 있다. 카테고리 전문가를 이용하는 방안의 정확도를 향상시키기 위하여 본 논문에서는 각 유저와 카테고리 전문가의 유사도 및 각 유저가 각 카테고리를 선호하는 정도를 반영하는 방안을 제안한다. 마지막으로 실제 데이터를 이용한 다양한 실험을 통하여 제안하는 방안이 기존의 추천 방안들보다 최대 300배 더 빠른 수행 성능을 보였으며, 최대 8% 정확도가 향상됨을 보였다.