[논문 리뷰] A Novel C2C E-Commerce Recommender System Based on Link Prediction: Applying Social Network Analysis

Mohammad Dehghan Bahabadi, Alireza Hashemi Golpayegani외 1명|arXiv (Cornell University)|2014. 07. 31.

Recommender Systems and Techniques참고 문헌 21인용 수 6

한 줄 요약

이 논문은 사용자-항목 거래 네트워크를 사용자 및 항목 특성(예: 평점, 신뢰도, 제품 카테고리)으로 강화하여 C2C 전자상거래 플랫폼를 위한 이중 수준 링크 예측 기반 추천 시스템을 제안한다. 사용자와 거래를 사회적 네트워크로 모델링함으로써 기존의 위상 구조에만 의존하는 방법보다 추천 정확도를 향상시켜 향후 거래 가능성 예측 성능이 뛰어나다.

ABSTRACT

Social network analysis emerged as an important research topic in sociology decades ago, and it has also attracted scientists from various fields of study like psychology, anthropology, geography and economics. In recent years, a significant number of researches has been conducted on using social network analysis to design e-commerce recommender systems. Most of the current recommender systems are designed for B2C e-commerce websites. This paper focuses on building a recommendation algorithm for C2C e-commerce business model by considering special features of C2C e-commerce websites. In this paper, we consider users and their transactions as a network; by this mapping, link prediction technique which is an important task in social network analysis could be used to build the recommender system. The proposed tow-level recommendation algorithm, rather than topology of the network, uses nodes features like: category of items, ratings of users, and reputation of sellers. The results show that the proposed model can be used to predict a portion of future trades between users in a C2C commercial network.

연구 동기 및 목표

• C2C 전자상거래 플랫폼에 특화된 효과적인 추천 시스템의 부족을 해결하기 위해, 사용자 행동 및 네트워크 구조에서 B2C 모델과 상당히 다름.
• 특히 링크 예측을 포함한 사회적 네트워크 분석 기법을 활용하여 C2C 네트워크에서의 향후 거래를 예측하는 추천 알고리즘을 설계하기 위해.
• 평가, 신뢰도, 제품 카테고리와 같은 사용자 및 항목 특성을 네트워크 구조와 함께 통합하여 예측 정확도를 향상시키기 위해.
• 특성 강화 링크 예측의 효과성을 C2C 환경에서 사용자 간 향후 무역을 예측하는 데 평가하기 위해.

제안 방법

• 저자들은 C2C 전자상거래를 사용자와 항목 간의 이분 네트워크로 모델링하며, 거래가 이들 사이의 링크를 형성한다.
• 이중 수준 추천 프레임워크를 제안한다: 첫째, 링크 예측 점수에 기반해 사용자-항목 쌍을 순위 매긴다; 둘째, 사용자 신뢰도, 항목 카테고리, 사용자 평점과 같은 특징을 예측 모델에 통합한다.
• 링크 예측 알고리즘은 사용자-항목 쌍 간의 유사도 점수를 계산하기 위해 노드 특징(예: 평점, 신뢰도)을 사용하여 순수 위상 기반 방법보다 향상된다.
• 사용자 및 항목 속성에서 유도된 가중치를 사용한 특성 가중 유사도 측정을 적용하여 향후 거래의 가능성 추정한다.
• 표준 평가 지표인 AUC 및 k에서의 정밀도를 사용하여 실제 C2C 거래 데이터셋에서 시스템을 학습 및 평가한다.

실험 결과

연구 질문

• RQ1 링크 예측 기법은 C2C 전자상거래 네트워크에서 향후 거래를 효과적으로 예측할 수 있는가?
• RQ2 평가, 신뢰도, 제품 카테고리와 같은 사용자 및 항목 특성은 C2C 환경에서 링크 예측 정확도를 어떻게 향상시키는가?
• RQ3 노드 특성을 통합할 경우, 위상 구조에만 의존하는 링크 예측보다 성능이 얼마나 향상되는가?
• RQ4 제안된 이중 수준 추천 모델은 C2C 환경에서 기존의 협업 필터링 또는 콘텐츠 기반 접근 방식보다 더 효과적인가?

주요 결과

• 제안된 모델은 C2C 전자상거래 네트워크에서 향후 사용자-항목 거래를 예측하는 데 있어 위상 구조에만 의존하는 링크 예측 방법보다 뚜렷이 뛰어난 성능을 보였다.
• 사용자 신뢰도, 평점, 항목 카테고리 특성을 통합함으로써 예측 정확도가 명백하게 향상되었으며, 특히 거래 기록이 희박한 네트워크에서 두드러졌다.
• 이중 수준 추천 프레임워크는 기준 모델 대비 더 높은 AUC 및 k에서의 정밀도를 달성하여 강건성과 확장성을 입증했다.
• 결과는 특성 강화 링크 예측이 사용자 신뢰도와 항목 맥락이 중요한 환경에서 C2C 추천 시스템에 실현 가능하고 효과적인 접근임을 확인했다.