• Asia pacific journal of information systems
• /
• 제17권4호
• /
• pp.187-206
• /
• 2007

The development of computer and information technology has been combined with the information superhighway internet infrastructure, so information widely spreads not only in special fields but also in the daily lives of people. Information ubiquity influences the traditional way of transaction, and leads a new E-commerce which distinguishes from the existing E-commerce. Not only goods as physical but also service as non-physical come into E-commerce. As the scale of E-Commerce is being enlarged as well. It keeps people from finding information they want. Recommender systems are now becoming the main tools for E-Commerce to mitigate the information overload. Recommender systems can be defined as systems for suggesting some Items(goods or service) considering customers' interests or tastes. They are being used by E-commerce web sites to suggest products to their customers who want to find something for them and to provide them with information to help them decide which to purchase. There are several approaches of recommending goods to customer in recommender system but in this study, the main subject is focused on collaborative filtering technique. This study presents a possibility of pre-evaluation for the prediction performance of customer's preference in collaborative filtering before the process of customer's preference prediction. Pre-evaluation for the prediction performance of each customer having low performance is classified by using the statistical features of ratings rated by each customer is conducted before the prediction process. In this study, MovieLens 100K dataset is used to analyze the accuracy of classification. The classification criteria are set by using the training sets divided 80% from the 100K dataset. In the process of classification, the customers are divided into two groups, classified group and non classified group. To compare the prediction performance of classified group and non classified group, the prediction process runs the 20% test set through the Neighborhood Based Collaborative Filtering Algorithm and Correspondence Mean Algorithm. The prediction errors from those prediction algorithm are allocated to each customer and compared with each user's error. Research hypothesis : Two research hypotheses are formulated in this study to test the accuracy of the classification criterion as follows. Hypothesis 1: The estimation accuracy of groups classified according to the standard deviation of each user's ratings has significant difference. To test the Hypothesis 1, the standard deviation is calculated for each user in training set which is divided 80% from MovieLens 100K dataset. Four groups are classified according to the quartile of the each user's standard deviations. It is compared to test the estimation errors of each group which results from test set are significantly different. Hypothesis 2: The estimation accuracy of groups that are classified according to the distribution of each user's ratings have significant differences. To test the Hypothesis 2, the distributions of each user's ratings are compared with the distribution of ratings of all customers in training set which is divided 80% from MovieLens 100K dataset. It assumes that the customers whose ratings' distribution are different from that of all customers would have low performance, so six types of different distributions are set to be compared. The test groups are classified into fit group or non-fit group according to the each type of different distribution assumed. The degrees in accordance with each type of distribution and each customer's distributions are tested by the test of ${\chi}^2$ goodness-of-fit and classified two groups for testing the difference of the mean of errors. Also, the degree of goodness-of-fit with the distribution of each user's ratings and the average distribution of the ratings in the training set are closely related to the prediction errors from those prediction algorithms. Through this study, the customers who have lower performance of prediction than the rest in the system are classified by those two criteria, which are set by statistical features of customers ratings in the training set, before the prediction process.

• International journal of advanced smart convergence
• /
• 제9권3호
• /
• pp.42-48
• /
• 2020

These days people are overwhelmed by information on the Internet thus searching for useful information becomes burdensome, often failing to acquire some in a reasonable time. Recommender systems are indispensable to fulfill such user needs through many practical commercial sites. This study proposes a novel similarity measure for user-based collaborative filtering which is a most popular technique for recommender systems. Compared to existing similarity measures, the main advantages of the suggested measure are that it takes all the ratings given by users into account for computing similarity, thus relieving the inherent data sparsity problem and that it reflects the uncertainty or vagueness of user ratings through fuzzy logic. Performance of the proposed measure is examined by conducting extensive experiments. It is found that it demonstrates superiority over previous relevant measures in terms of major quality metrics.

• 한국컴퓨터정보학회논문지
• /
• 제24권9호
• /
• pp.77-82
• /
• 2019

Collaborative filtering is a popular technique for recommender systems and used in many practical commercial systems. Its basic principle is select similar neighbors of a current user and from their past preference information on items the system makes recommendations for the current user. One of the major problems inherent in this type of system is data sparsity of ratings. This is mainly caused from the underlying similarity measures which produce neighbors based on the ratings records. This paper handles this problem and suggests a new similarity measure. The proposed method takes users rating patterns into account for computing similarity, without just relying on the commonly rated items as in previous measures. Performance experiments of various existing measures are conducted and their performance is compared in terms of major performance metrics. As a result, the proposed measure reveals better or comparable achievements in all the metrics considered.

• Journal of information and communication convergence engineering
• /
• 제22권1호
• /
• pp.7-13
• /
• 2024

User preferences and ratings may be anticipated by recommendation systems, which are widely used in social networking, online shopping, healthcare, and even energy efficiency. Constructing trustworthy recommender systems for various applications, requires the analysis and mining of vast quantities of user data, including demographics. This study focuses on holding elections with vague voter and candidate preferences. Collaborative user ratings are used by filtering algorithms to provide suggestions. To avoid information overload, consumers are directed towards items that they are more likely to prefer based on the profile data used by recommender systems. Better interactions between governments, residents, and businesses may result from studies on recommender systems that facilitate the use of e-government services. To broaden people's access to the democratic process, the concept of "e-democracy" applies new media technologies. This study provides a framework for an electronic voting advisory system that uses machine learning.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제8권8호
• /
• pp.2948-2966
• /
• 2014

To promote recommendation services through prediction quality, some privacy-preserving collaborative filtering solutions are proposed to make e-commerce parties collaborate on partitioned data. It is almost probable that two parties hold ratings for the same users and items simultaneously; however, existing two-party privacy-preserving collaborative filtering solutions do not cover such overlaps. Since rating values and rated items are confidential, overlapping ratings make privacy-preservation more challenging. This study examines how to estimate predictions privately based on partitioned data with overlapped entries between two e-commerce companies. We consider both user-based and item-based collaborative filtering approaches and propose novel privacy-preserving collaborative filtering schemes in this sense. We also evaluate our schemes using real movie dataset, and the empirical outcomes show that the parties can promote collaborative services using our schemes.

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.203-210
• /
• 2020

메모리 기반의 협력 필터링은 추천 시스템의 대표적인 타입이지만 데이터 희소성이라는 본질적인 문제를 갖고 있다. 이 문제를 해결하기 위해 많은 연구 업적들이 이루어졌으나, 보다 체계적인 접근 방법은 여전히 요구된다. 본 연구는 사용자 간의 유사도를 산출하기 위하여 항목들에 대한 사용자 평가치 분포를 활용한다. 따라서 제안 방법은 사용자의 모든 평가치를 이용하므로, 공통 항목에 대한 평가치만을 이용하는 기존 방법들과 대비된다. 더욱이, 각 항목에 대한 다른 사용자들의 평가치들을 유사도 계산에 반영함으로써 항목 평가치의 광역적인 관점을 취한다. 제안 방법의 성능은 실험을 통하여 평가하였고, 연관된 다른 방법들과 비교하였다. 그 결과, 제안 방법은 예측과 순위 정확도 측면에서 우수한 성능을 보였다. 이러한 예측 정확도의 향상은 전통적인 유사도 척도에 비해 최근의 방법으로 달성한 것보다 최고 2.6배 더 높다.

• 한국정보시스템학회지:정보시스템연구
• /
• 제29권1호
• /
• pp.267-287
• /
• 2020

Purpose Online platform companies can increase the spread of content by communicating with users who have diverse preferences through social networks. Previous studies show the mixed effect on the network overlap, and there was a limited examinations for the underlying mechanism. This study expects high academic and practical implications that can be provided by studying on the user's viewership network. The purpose of this research is to examine the effects of network overlap on the users' viewership for creators of user-generated content in YouTube. We explain the direct and in-direct effects through the content sharing and the valence of user ratings. Design/methodology/approach The data contains 45 channels and 4,085 video clips from YouTube. We control the effect of the categories, channel characteristics, and vide clip characteristics on the viewership. PROCESS macro were used to analyze the direct and in-direct effects of network overlap. Findings The analysis results showed that the network overlap directly affect on the users' viewership. The variable decreases the moderators (i.e., content sharing and the valence of user ratings). This result implies that the users can not satisfy their need for uniqueness which is achieved by content sharing and rating in the overlapped network.

• 지능정보연구
• /
• 제22권3호
• /
• pp.113-127
• /
• 2016

협업 필터링(Collaborative Filtering)은 유용성과 정교성 면에서 가장 성공적인 추천 알고리즘으로 평가받으며 산업계나 학계에서 많이 활용 및 연구되고 있지만, 기본적으로 사용자들이 평가한 점수에만 기반하여 추천결과를 생성하는 한계점이 있다. 이에 본 연구는 사용자가 상품을 구매할 때 자신이 신뢰하는 타인의 추천을 더 적극적으로 수용할 것이라는 점에 착안하여, 사용자의 평점 외에 사용자 간 신뢰관계를 소셜네트워크분석으로 분석한 결과를 추가로 반영하는 추천 알고리즘들을 제안하였다. 구체적으로 본 연구에서는 소셜네트워크분석에서 네트워크 내의 중심적 위치를 나타내는 척도인 내향 및 외향 중심성을 활용하여 사용자 간 유사도를 산출하는 알고리즘들과 사용자 신뢰 네트워크를 탐색하여 추천 대상이 되는 사용자가 직접 간접적으로 신뢰하는 사용자의 평가점수를 보다 높게 반영하는 알고리즘을 제안한 뒤 그 성능을 비교해 보았다. 실제 데이터에 적용하여 분석한 결과, 사용자 신뢰 네트워크의 내향 중심성 지수를 조건 없이 적용한 경우에는 오히려 정확도의 감소만을 야기하는 것으로 나타났고, 일정 임계치 이상의 외향 중심성을 갖는 사용자에 한해 내향 중심성 지수를 고려한 추천 알고리즘은 전통적인 협업 필터링에 비해 약간의 정확도 개선이 이루어짐을 확인할 수 있었다. 아울러, 사용자 신뢰 네트워크를 기반으로 탐색하는 알고리즘이 가장 우수한 성능을 보이는 것을 알 수 있었으며, 전통적인 협업 필터링과 비교해서도 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.

• 경영정보학연구
• /
• 제18권3호
• /
• pp.155-183
• /
• 2016

방대한 콘텐츠가 생산되고 소비되면서 빅데이터를 활용한 개인 추천 서비스가 최근 주목 받고 있다. 개인 추천 서비스를 위하여 개인 정보나 콘텐츠 평가 정보를 수집하는 것은 서비스 제공자 입장에서 중요해지고 있다. 기존 연구들은 적은 평점 정보로 더 나은 추천을 제공할 수 있는 알고리즘을 제안하거나, 평점의 양을 늘리기 위한 서비스 디자인을 제시하였다. 그러나 추천서비스 사용자가 어떤 동기로 평점을 입력하고, 서비스를 지속적으로 사용하는지에 대한 연구는 거의 없었다. 본 논문에서는 추천 서비스를 사용하고 있는 사용자들을 심층 인터뷰하여 평점 입력의 동기와 평점의 의미에 대하여 탐구하였다. 그 결과, 서비스를 경험 하면서 평점의 의미와 활용 정도가 달라짐을 알 수 있었다. 초기 평점을 입력할 때에는 과거 경험에 대한 데이터베이스를 구축하는 의미로 활용하였고, 초기 평점 단계를 지나면 현재의 느낌과 생각을 반영하는 도구로 활용하였다. 이 과정에서 자신의 평점 체계를 정교하게 다듬으며 자신만의 의미를 부여하는 모습을 보였다. 마지막 단계에서는 자신의 평점 체계뿐만 아니라 다른 사람의 평점 체계나 평점의 의미를 읽어내고 적극적으로 활용하는 모습을 보인다. 서비스에서 제공하는 알고리즘의 한계를 파악하고 있기 때문에 서비스의 추천을 불신하기도 하였다. 연구 결과를 바탕으로 추천 서비스에 대한 실무적 시사점을 도출하였다.

• 한국전자거래학회지
• /
• 제19권3호
• /
• pp.125-141
• /
• 2014

인터넷에서 매 순간 발생하는 데이터의 홍수는 사용자가 필요로 하는 유용한 정보를 검색하는데 어려움을 초래한다. 그래서 많은 사용자들이 자신이 원하는 정보를 쉽게 찾기 위한 기법을 고안하고 이를 지원하는 도구를 개발하게 되었다. 이런 유용한 도구 중 하나인 추천시스템은 기존의 사용자 정보를 분석하여 사용자가 원하는 제품이나 정보를 추천하는 것이다. 본 논문에서는 추천시스템을 활용하여 원하는 정보를 제안하는데 인구통계학적인 기법을 사용한다. 인구통계학 기반 추천시스템은 나이, 성별과 같은 인구통계학적인 특성을 사용하여 유용한 정보를 추출한다. 본 연구는 영화 선택 시 중요한 요소인 사용자 평점을 분석하고 이를 활용할 수 있는 방법을 제시하였다. 이를 위해 Internet Movie Database(IMDB) 웹 사이트에 있는 영화의 사용자 평점을 인구통계학적 요인으로 분석하였다. 본 논문에서는 인구통계학적 분석을 위해 사용자를 성별과 연령대로 분류하였고, 각 영화를 22개 장르로 나눈 IMDB 기준에 따라 사용자 평점을 분석하였다. 각 장르별 영화에 대해 사용자 그룹의 평균 평점을 F-테스트와 T-테스트를 수행하여 그 장르 영화 평점과 동일한 결과를 나타내는 대표 그룹을 찾아내었다. 인구통계학적 분석 결과인 대표 그룹은 새로운 영화가 개봉될 때 대표 그룹에 대한 프로모션과 추천을 통해 영화 홍보를 할 수 있는 대상을 찾아내는데 유용하다.