[논문 리뷰] A Hybrid Approach to Web Service Recommendation Based on QoS-Aware Rating and Ranking

Mingming Chen, Yutao Ma|arXiv (Cornell University)|2015. 01. 18.

Recommender Systems and Techniques참고 문헌 49인용 수 5

한 줄 요약

이 논문은 항목 기반 협업 필터링과 잠재 요인 모델을 결합하여 평점 예측에서 순위 최적화로의 전환을 통해 하이브리드 QoS 인식 웹 서비스 추천 방법을 제안한다. QoS 평점 간의 상관관계가 아닌 순위 상관관계를 사용하여 서비스 유사도를 측정하고, 최상위-K 추천 평가를 위한 NDCG를 향상시켜 실제 QoS 데이터셋에서 뛰어난 성능을 입증한다.

ABSTRACT

As the number of Web services with the same or similar functions increases steadily on the Internet, nowadays more and more service consumers pay great attention to the non-functional properties of Web services, also known as quality of service (QoS), when finding and selecting appropriate Web services. For most of the QoS-aware Web service recommendation systems, the list of recommended Web services is generally obtained based on a rating-oriented prediction approach, aiming at predicting the potential ratings that an active user may assign to the unrated services as accurately as possible. However, in some application scenarios, high accuracy of rating prediction may not necessarily lead to a satisfactory recommendation result. In this paper, we propose a ranking-oriented hybrid approach by combining the item-based collaborative filtering and latent factor models to address the problem of Web services ranking. In particular, the similarity between two Web services is measured in terms of the correlation coefficient between their rankings instead of between the traditional QoS ratings. Besides, we also improve the measure NDCG (Normalized Discounted Cumulative Gain) for evaluating the accuracy of the top K recommendations returned in ranked order. Comprehensive experiments on the QoS data set composed of real-world Web services are conducted to test our approach, and the experimental results demonstrate that our approach outperforms other competing approaches.

연구 동기 및 목표

• 높은 품질의 서비스 순위를 도출하는 데에 실패하는 평점 예측 기반 추천 시스템의 한계를 해결하기 위해.
• 단순히 평점 정확도가 아닌 순위 정확도에 초점을 맞춤으로써 추천 효과성을 향상시키기 위해.
• QoS 인식 서비스 순위를 위한 항목 기반 협업 필터링과 잠재 요인 모델을 융합한 하이브리드 모델을 개발하기 위해.
• 기존의 QoS 평점 상관관계가 아닌 순위 상관관계 기반의 새로운 유사도 측정 방법을 도입하기 위해.
• 순서가 지정된 서비스 목록에 특화된 개선된 NDCG 메트릭을 사용하여 최상위-K 추천의 평가를 향상시키기 위해.

제안 방법

• 제안된 방법은 항목 기반 협업 필터링과 잠재 요인 모델을 융합한 하이브리드 프레임워크를 사용하여 서비스 순위를 예측한다.
• 서비스 유사도는 QoS 평점이 아닌 서비스의 순위 순서 간 상관계수를 기반으로 계산된다.
• 유저 선호도는 서비스 간 역동적 순위 패턴에서 유도된 잠재 요인을 통해 모델링된다.
• 최상위-K 순위 기반 추천의 정밀도를 평가하기 위해 수정된 NDCG(Normalized Discounted Cumulative Gain) 메트릭이 적용된다.
• 활성 사용자에게 평가되지 않은 서비스의 순위는 유사 사용자 및 서비스의 순위 선호도 기반으로 예측된다.
• 모델은 서비스 상호작용 로그와 품질 메트릭을 포함한 실제 QoS 데이터셋에서 학습 및 평가된다.

실험 결과

연구 질문

• RQ1 순위 중심의 접근 방식이 기존의 평점 예측 기반 방법보다 웹 서비스 추천에서 뛰어난 성능을 보일 수 있는가?
• RQ2 평점 상관관계 대신 순위 상관관계를 사용할 경우 서비스 유사도 측정이 어떻게 향상되는가?
• RQ3 협업 필터링과 잠재 요인 모델을 융합한 하이브리드 모델이 추천 품질을 얼마나 향상시키는가?
• RQ4 개선된 NDCG 메트릭은 최상위-K 순위 기반 서비스 추천 평가에 얼마나 효과적인가?
• RQ5 제안된 방법은 다양한 실제 QoS 데이터셋에서 안정성과 정확성을 유지하는가?

주요 결과

• 제안된 하이브리드 접근 방식은 기준 방법들보다 높은 순위 정확도를 달성하며, 특히 최상위-K 추천 성능에서 뛰어난 성능을 보였다.
• 순위 상관관계를 사용한 유사도 측정은 기존의 평점 기반 유사도에 비해 더 정확한 서비스 순위 예측을 가능하게 했다.
• 개선된 NDCG 메트릭은 특히 가장 관련성이 높은 최상위-K 서비스에 대해 순위 기반 추천의 품질을 효과적으로 포착했다.
• 모델은 실제 QoS 데이터셋에서 강력한 일반화 능력을 보이며, 다양한 사용자 및 서비스 프로파일에서 일관된 성능을 보였다.
• 항목 기반 협업 필터링과 잠재 요인 모델의 통합은 개별적으로 사용할 경우보다 더 강력하고 정확한 추천 시스템을 만들어 냈다.