Journal of KIISE (정보과학회 논문지)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지
DOI QR코드

DOI QR Code

An Effective Preference Model to Improve Top-N Recommendation

상위 N개 항목의 추천 정확도 향상을 위한 효과적인 선호도 표현방법

  • 이재웅 (성균관대학교 전자전기컴퓨터공학과) ;
  • 이종욱 (성균관대학교 소프트웨어학과)
  • Received : 2017.01.31
  • Accepted : 2017.03.22
  • Published : 2017.06.15
⟨ Previous Next ⟩

Abstract

Collaborative filtering is a technique that effectively recommends unrated items for users. Collaborative filtering is based on the similarity of the items evaluated by users. The existing top-N recommendation methods are based on pair-wise and list-wise preference models. However, these methods do not effectively represent the relative preference of items that are evaluated by users, and can not reflect the importance of each item. In this paper, we propose a new method to represent user's latent preference by combining an existing preference model and the notion of inverse user frequency. The proposed method improves the accuracy of existing methods by up to two times.

협업필터링은 사용자들이 평가한 항목들의 유사성을 기반으로 평가되지 않은 항목을 효과적으로 추천해주는 기법이다. 기존에는 사용자가 평가하지 않은 항목 중 상위 N개 항목의 추천 정확도를 높이기 위하여 사용자의 항목의 대한 상대적 선호도를 반영하는 쌍 기반 선호도(pair-wise preference)와 목록 기반 선호도(list-wise preference)가 제안되었다. 하지만 이러한 방법들은 사용자가 평가한 항목 간의 상대적인 선호도를 표현하는데 한계가 있으며, 각각의 항목들의 중요도를 반영할 수 없는 단점이 있다. 본 논문에서는 유사도 및 순위 값을 계산할 때 평점 선호도 표현 방법과 역 사용자 빈도수(inverse user frequency)를 이용하여 사용자의 잠재된 선호도를 표현하는 새로운 방법을 제안한다. 제안 방법을 메모리 기반 협업필터링에 적용하여 비교한 결과 기존 방법보다 최대 2배 이상 정확도가 향상되는 것을 확인할 수 있었다.

Keywords

Acknowledgement

Supported by : 정보통신 기술진흥센터

References

  1. G. Adomavicius, A. Tuzhilin, "Toward the next generation of recommender systems," IEEE TKDE, Vol. 17, No. 6, pp. 734-749, 2005.
  2. N. N. Liu, Q. Yang, "Eigenrank: A ranking-oriented approach to collaborative filtering," ACM SIGIR, pp. 83-90, 2008.
  3. S. Wang, J. Sun, B. J. Gao, J. Ma, "VSRank: A novel framework for ranking-based collaborative filtering," ACM TIST, 5(3):No.51, 2014.
  4. S. Huang, S. Wang, T.-Y. Liu, J. Ma, Z. Chen, J. Veijalainen, "Listwise collaborative filtering," ACM SIGIR, pp. 343-352, 2015.
  5. J. L. Herlocker, J. A. Konstan, A. Borchers, J. Riedl, "An algorithmic framework for performing collaborative filtering," ACM SIGIR, pp. 230-237, 1999.
  6. Sarwar, Badrul, et al., "Item-based collaborative filtering recommendation algorithms," WWW 2001.
  7. R. Jin, L. Si, C. Zhai, J. Callan, "Collaborative filtering with decoupled models for preferences and ratings," ACM CIKM, pp. 309-106, 2003.
  8. J. Lee, D. Lee, Y.-C. Lee, W.-S. Hwang, S.-W. Kim, "Improving the Accuracy of Top-N Recommendation using a Preference Model," Inf. Sci. (Ny)., 2016.
  9. J. S. Breese, D. Heckerman, C. Kadie, "Empirical analysis of predictive algorithms for collaborative filtering," UAI, pp. 43-52, 1998.
  10. P. Cremonesi, Y. Koren, R. Turrin, "Performance of recommender algorithms on top-n recommendation tasks," ACM RecSys, pp. 39-46, 2010.
  11. G. Guo, J. Zhang, Z. Sun, N. Yorke-Smith, "Librec: A java library for recommender systems," ACM UMAP, 2015.
  12. H. Ma, I. King and M. R. Lyu, N. Yorke-Smith, "Effective missing data prediction for collaborative filtering," ACM SIGIR, 2007.