[논문 리뷰] A multidimensional approach for context-aware recommendation in mobile commerce

Maryam Hosseini-Pozveh, Mohammad Ali Nematbakhsh외 1명|ArXiv.org|2009. 08. 07.

Recommender Systems and Techniques참고 문헌 25인용 수 25

한 줄 요약

이 논문은 모바일 쇼핑에서 사용자, 품목, 그리고 맥락적 요소(예: 시간, 날씨, 동행자)를 고차원 공간에 모델링하고, 이를 2차원 추천 공간으로 압축하여 정확도를 향상시키는 다차원 맥락 인지 추천 프레임워크를 제안한다. 레스토랑 추천 시스템에서의 평가 결과, 기존의 2차원 방법보다 성능이 뛰어나며, 더 풍부한 맥락 모델링을 통해 추천 품질을 향상시킨다.

ABSTRACT

Context as the dynamic information describing the situation of items and users and affecting the users decision process is essential to be used by recommender systems in mobile commerce to guarantee the quality of recommendation. This paper proposes a novel multidimensional approach for context aware recommendation in mobile commerce. The approach represents users, items, context information and the relationship between them in a multidimensional space. It then determines the usage patterns of each user under different contextual situations and creates a new 2 dimensional recommendation space and does the final recommendation in that space. This paper also represents an evaluation process by implementing the proposed approach in a restaurant food recommendation system considering day, time, weather and companion as the contextual information and comparing the approach with the traditional 2 dimensional one. The results of comparison illustrates that the multidimensional approach increases the recommendation quality.

연구 동기 및 목표

• 기존의 2차원 추천 시스템이 모바일 쇼핑 환경에서 동적인 사용자 맥락을 포착하는 데에 한계가 있음을 해결하기 위해.
• 시간, 날씨, 동행자와 같은 다양한 맥락 차원을 통합하여 추천 품질을 향상시키기 위해.
• 사용자, 품목, 맥락적 요소 간의 관계를 다차원 공간에서 모델링하여 더 정확한 추천을 가능하게 하기 위해.
• 실제 모바일 쇼핑 환경에서 기존의 2차원 추천 방법과 비교하여 제안된 방법의 효과성을 평가하기 위해.

제안 방법

• 이 방법은 사용자, 품목, 맥락적 요소(요일, 시간, 날씨, 동행자)를 다차원 공간의 차원으로 표현한다.
• 다차원 공간에서의 패턴 분석을 통해 다양한 맥락 조건 하에서 사용자의 사용 패턴을 식별한다.
• 다차원 데이터를 투영하여 핵심 맥락 관계를 유지하는 새로운 2차원 추천 공간을 구성한다.
• 맥락 인지 유사도 측정법을 사용하여 이 2차원 공간 내에서 최종 추천을 생성한다.
• 실제 맥락 데이터를 사용하여 추천 시스템의 유효성을 검증하기 위해 레스토랑 음식 추천 사용 사례를 활용한다.
• 성능 평가를 위해 제안된 방법의 추천 결과를 기존의 2차원 협업 필터링 기반 방법과 비교한다.

실험 결과

연구 질문

• RQ1 모바일 쇼핑을 위한 추천 모델에 다수의 맥락 차원을 효과적으로 통합할 수 있는가?
• RQ2 기존의 2차원 방법과 비교해 볼 때, 다차원 맥락 모델링이 추천 정확도에 어떤 영향을 미치는가?
• RQ3 다양한 맥락 조건 하에서의 사용 패턴을 신뢰성 있게 추출하여 추천 향상에 활용할 수 있는가?
• RQ4 제안된 2차원 투영 공간은 어떻게 맥락의 관련성을 유지하여 더 나은 추천 품질을 달성하는가?

주요 결과

• 평가된 모바일 쇼핑 환경에서 기존의 2차원 방법과 비교해 볼 때 다차원 접근 방식이 추천 품질을 크게 향상시킨다.
• 시간, 날씨, 동행자와 같은 맥락적 요소의 통합은 더 관련성 있고 개인화된 추천을 가능하게 한다.
• 시스템은 다양한 맥락 상황에서 사용자의 사용 패턴을 성공적으로 식별하고 이를 추천 개선에 활용한다.
• 2차원 투영 공간은 필수적인 맥락 관계를 효과적으로 포착하여 정확하고 효율적인 추천 계산을 가능하게 한다.