[논문 리뷰] A semantically enriched web usage based recommendation model

C. Ramesh, K. Venkateswara Rao외 1명|arXiv (Cornell University)|2011. 11. 10.

Recommender Systems and Techniques참고 문헌 9인용 수 3

한 줄 요약

이 논문은 온톨로지 기반의 의미 모델링과 순차적 패턴 마이닝을 통합하여 웹 추천 품질을 향상시키는 의미적 풍부화된 웹 사용 마이닝 프레임워크를 제안한다. 원시적인 페이지 뷰가 아닌 온톨로지 인스턴스로 자주 발생하는 탐색 패턴을 추출함으로써, 더 스마트하고 맥락 인식 능력이 향상된 추천을 생성하는 모델은 의미적 풍요함이 패턴의 관련성과 개인화된 웹 서비스의 기능성 향상에 기여함을 입증한다.

ABSTRACT

With the rapid growth of internet technologies, Web has become a huge repository of information and keeps growing exponentially under no editorial control. However the human capability to read, access and understand Web content remains constant. This motivated researchers to provide Web personalized online services such as Web recommendations to alleviate the information overload problem and provide tailored Web experiences to the Web users. Recent studies show that Web usage mining has emerged as a popular approach in providing Web personalization. However conventional Web usage based recommender systems are limited in their ability to use the domain knowledge of the Web application. The focus is only on Web usage data. As a consequence the quality of the discovered patterns is low. In this paper, we propose a novel framework integrating semantic information in the Web usage mining process. Sequential Pattern Mining technique is applied over the semantic space to discover the frequent sequential patterns. The frequent navigational patterns are extracted in the form of Ontology instances instead of Web page views and the resultant semantic patterns are used for generating Web page recommendations to the user. Experimental results shown are promising and proved that incorporating semantic information into Web usage mining process can provide us with more interesting patterns which consequently make the recommendation system more functional, smarter and comprehensive.

연구 동기 및 목표

• 도메인 지식이 없는 저수준 액세스 로그에만 의존하는 전통적인 웹 사용 마이닝의 한계를 해결하기 위해.
• 의미적 맥락이 부족하여 기존 추천 시스템에서 발견하는 패턴의 품질이 열 劣한 문제를 해결하기 위해.
• 도메인 특화 의미 정보(온톨로지 통한)를 웹 사용 마이닝 파이프라인에 통합하여 추천의 관련성을 향상시키기 위해.
• 사용자 탐색 시퀀스를 의미적 패턴으로 변환하여 더 의미 있는 추천을 제공하는 프레임워크를 개발하기 위해.
• 사용 행동과 의미적 관계를 모두 활용하여 웹 추천 시스템의 종합성과 지능을 향상시키기 위해.

제안 방법

• 사용자 행동을 원시적인 페이지 뷰가 아닌 의미적 인스턴스로 표현하기 위해 온톨로지를 사용하여 웹 탐색 시퀀스를 모델링하기 위해.
• 의미 공간에서 순차적 패턴 마이닝 기법을 적용하여 빈번한 탐색 패턴을 발견하기 위해.
• 사용자 액세스 패턴을 도메인 특화 온톨로지의 인스턴스로 표현하여 의미적 맥락과 관계를 유지하기 위해.
• 수득한 의미적 패턴을 기반으로 사용자 행동과 도메인 지식을 고려한 개인화된 웹 페이지 추천을 생성하기 위해.
• 사용 로그에서 의미적 탐색 패턴 지식 기반을 구축하여 더 풍부한 추론과 추천 로직을 가능하게 하기 위해.
• 의미 모델을 추천 엔진과 통합하여 의미적으로 일관되고 맥락적으로 관련된 콘텐츠를 우선순위로 배치하기 위해.

실험 결과

연구 질문

• RQ1 어떻게 의미 정보를 웹 사용 마이닝에 효과적으로 통합하여 추천 품질을 향상시킬 수 있는가?
• RQ2 원시적인 페이지 뷰가 아닌 의미 공간에서 표현된 경우 빈번한 탐색 패턴의 특성은 무엇인가?
• RQ3 온톨로지를 통한 도메인 지식 통합이 웹 추천의 관련성과 종합성에 얼마나 기여하는가?
• RQ4 기존의 사용 기반 접근 방식에 비해 의미적 풍요함이 더 의미 있고 기능적인 추천 패턴을 도출할 수 있는가?
• RQ5 온톨로지 인스턴스의 사용이 웹 추천 시스템의 해석 가능성과 성능을 어떻게 향상시키는가?

주요 결과

• 웹 사용 마이닝에 의미 정보를 통합하면 더 흥미롭고 맥락적으로 관련된 탐색 패턴을 도출할 수 있다.
• 온톨로지 인스턴스로 추출한 의미 패턴은 기존의 페이지 뷰 기반 시퀀스보다 사용자 행동을 더 풍부하게 표현한다.
• 도메인 지식과 의미적 관계를 활용함으로써 제안된 모델은 더 기능적이고 종합적인 추천을 생성한다.
• 실험 결과는 의미적 풍요함이 웹 사용 마이닝에서 발견된 패턴의 품질과 관련성 향상에 기여함을 입증한다.
• 이 프레임워크는 의미적 맥락을 기반으로 더 스마트하고 개인화된 웹 경험을 제공함으로써 정보 과부하를 줄이는 데 잠재력을 보여준다.
• 온톨로지의 사용은 간단한 동반 방문 빈도를 넘어서 보다 우수한 일반화와 추론 능력을 추천 시스템에 제공한다.