Journal of Broadcast Engineering (방송공학회논문지)

The Korean Institute of Broadcast and Media Engineers (한국방송∙미디어공학회)
권호 표지
DOI QR코드

DOI QR Code

Personalized TV Program Recommendation in VOD Service Platform Using Collaborative Filtering

VOD 서비스 플랫폼에서 협력 필터링을 이용한 TV 프로그램 개인화 추천

  • Received : 2012.10.31
  • Accepted : 2012.12.24
  • Published : 2013.01.30
Download PDF
⟨ Previous Next ⟩

Abstract

Collaborative filtering(CF) for the personalized recommendation is a successful and popular method in recommender systems. But the mainly researched and implemented cases focus on dealing with independent items with explicit feedback by users. For the domain of TV program recommendation in VOD service platform, we need to consider the unique characteristic and constraints of the domain. In this paper, we studied on the way to convert the viewing history of each TV program episodes to the TV program preference by considering the series structure of TV program. The former is implicit for personalized preference, but the latter tells quite explicitly about the persistent preference. Collaborative filtering is done by the unit of series while data gathering and final recommendation is done by the unit of episodes. As a result, we modified CF to make it more suitable for the domain of TV program VOD recommendation. Our experimental study shows that it is more precise in performance, yet more compact in calculation compared to the plain CF approaches. It can be combined with other existing CF techniques as an algorithm module.

개인화된 추천을 제공하기 위한 협력 필터링은 추천 시스템에서 성공적으로 활용되어 온 기법이다. 그러나 협력 필터링이 주로 연구 및 적용된 분야들은 사용자로부터의 명시적 피드백이 존재하는 독립된 아이템들을 추천하는 것에 초점을 두고 있다. VOD 서비스 플랫폼에서 개인화된 TV 프로그램을 추천하기 위해서는 해당 도메인의 특성과 제한들을 고려하는 것이 필요하다. 본 논문에서는 TV 프로그램의 시리즈 속성을 이용하여, 선호를 판단하기 힘든 비명시적 피드백인 회별 프로그램 시청기록을 명시적이고 지속적인 프로그램 선호도로 변환하는 방법을 고안하였다. 데이터 수집과 최종 추천은 회별 프로그램 단위로 이루어지면서 협력 필터링 처리 단위는 프로그램으로 변경되어 TV 프로그램 VOD 추천 환경에 가장 적당한 형태로 협력 필터링을 변형 적용하였다. 실험 결과는 고안된 추천 시스템이 단순히 협력 필터링을 적용했을 때보다 높은 정확도와 더 적은 계산량을 가지는 것을 보여준다. 도메인 특화된 이러한 변형은 추천 시스템의 알고리즘 모듈로 구성되어 기존에 알려진 다양한 협력 필터링 기법과 결합하여 사용될 수 있다.

Keywords

References

  1. Soo-Young Oh, Yeonhee Oh, Sunghee Han, Hee Jung Kim, "Broadcast Content Recommender System based on User's Viewing History", JBE, Vol. 17, No. 1, pp130-140, Jan, 2012
  2. Xiaoyuan Su and Taghi M. Khoshgoftaar. "A Survey of Collaborative Filtering Techniques," Advances in Artificial Intelligence Vol. 2009, Article No. 4, 2009.
  3. Istvan Pilaszy and Domonkos Tikk. 2009. "Recommending new movies: Even a few ratings are more valuable than metadata," in Proc. Recsys 2009, ACM, New York, 2009.
  4. Badrul Sarwar, George Karypis, Joseph Konstan, and John Riedl. "Item based collaborative filtering recommendation algorithms," in Proc. 10th International Conference on WWW, ACM, NewYork, 2001.
  5. Eunhui Kim, Shinjee Pyo, Eunkyung Park, and Munchrul Kim. "An automatic recommendation scheme of TV program contents for IPTV personalization," IEEE Transactions on Broadcasting, Vol. 57, No. 3, 2011.
  6. Yifan Hu, Yehuda Koren and Chris Volinsky. "Collaborative filtering for implicit feedback datasets," in Proc. 8th IEEE International Conference on Data Mining, pp. 263-272, 2008.
  7. Manzhao Bu, Shijian Luo, and Ji he. "A fast collaborative filtering algorithm for implicit binary data," IEEE 10th International Conference on Computer-Aided Industrial Design & Conceptual Design, pp. 973- 976, 2009.
  8. Hyung Jun Ahn. "A new similarity measure for collaborative filtering to alleviate the new user cold-starting problem," Information Sciences 178, ScienceDirect, pp. 37-51, 2008. https://doi.org/10.1016/j.ins.2007.07.024