[논문 리뷰] An Intelligent Data Analysis for Hotel Recommendation Systems using Machine Learning

Bushra Ramzan, Imran Sarwar Bajwa외 2명|arXiv (Cornell University)|2019. 10. 15.

Recommender Systems and Techniques참고 문헌 42인용 수 4

한 줄 요약

이 논문은 사용자 리뷰의 정서 분석과 게스트 유형 프로파일링(예: 혼자, 가족, 커플 등)을 통합하여 개인화를 향상시키는 혁신적인 협업 필터링 기반 호텔 추천 시스템을 제안한다. 어휘적, 문법적, 의미적 분석을 활용한 극성 탐지와 Hadoop를 이용한 퍼지 규칙 기반 빅데이터 처리를 통해 기존 방법에 비해 더 높은 정밀도, 재현율 및 F-측정치를 달성하며, 응답 시간도 크게 향상된다.

ABSTRACT

This paper presents an intelligent approach to handle heterogeneous and large-sized data using machine learning to generate true recommendations for the future customers. The Collaborative Filtering (CF) approach is one of the most popular techniques of the RS to generate recommendations. We have proposed a novel CF recommendation approach in which opinion based sentiment analysis is used to achieve hotel feature matrix by polarity identification. Our approach combines lexical analysis, syntax analysis and semantic analysis to understand sentiment towards hotel features and the profiling of guest type (solo, family, couple etc). The proposed system recommends hotels based on the hotel features and guest type as additional information for personalized recommendation. The developed system not only has the ability to handle heterogeneous data using big data Hadoop platform but it also recommend hotel class based on guest type using fuzzy rules. Different experiments are performed over the real world dataset obtained from two hotel websites. Moreover, the values of precision and recall and F-measure have been calculated and results are discussed in terms of improved accuracy and response time, significantly better than the traditional approaches.

연구 동기 및 목표

• 이질적이고 대규모의 호텔 리뷰 데이터를 처리하는 데 있어 전통적인 협업 필터링의 한계를 해결하기 위해.
• 게스트 유형(예: 혼자, 가족 등)을 맥락적 요소로 통합하여 추천의 개인화를 향상시키기 위해.
• 머신러닝을 활용한 지능적인 데이터 분석을 통해 호텔 추천 시스템의 정확도와 응답 시간을 향상시키기 위해.
• 실제 호텔 웹사이트에서 유래한 빅데이터를 처리하기 위해 Hadoop 플랫폼을 활용한 확장 가능한 솔루션을 개발하기 위해.
• 사용자 리뷰의 정서 분석을 통합하여 의미 있는 호텔 기능 선호도를 추출하기 위해.

제안 방법

• 시스템은 특정 호텔 기능에 대한 정서 극성 정보를 추출하기 위해 협업 필터링과 의견 기반 정서 분석을 융합한 하이브리드 접근 방식을 사용한다.
• 각 호텔 기능에 대한 사용자 리뷰의 정서 극성을 식별하기 위해 어휘적, 문법적, 의미적 분석 기법을 적용한다.
• 게스트 유형 프로파일링(혼자, 가족, 커플 등)을 추가 입력으로 통합하여 추천을 맞춤화한다.
• 퍼지 논리 규칙을 적용하여 게스트 유형과 정서 점수를 호텔 등급 추천에 매핑한다.
• 두 개의 실제 호텔 웹사이트에서 유래한 이질적 대규모 데이터셋을 처리하기 위해 Hadoop 빅데이터 플랫폼에 시스템을 구현한다.
• 기본 기반 협업 필터링 방법과의 성능 평가를 위해 정밀도, 재현율 및 F-측정치를 계산한다.

실험 결과

연구 질문

• RQ1 사용자 리뷰의 정서 분석은 어떻게 호텔 추천의 정확도를 향상시키는가?
• RQ2 게스트 유형(예: 혼자, 가족 등)을 통합할 경우 호텔 추천 시스템의 개인화는 어느 정도 향상되는가?
• RQ3 협업 필터링과 정서 분석을 융합한 하이브리드 접근 방식은 정밀도와 응답 시간 측면에서 기존 CF 방법보다 뛰어나게 성능을 발휘할 수 있는가?
• RQ4 게스트 프로파일과 정서 점수를 호텔 등급 추천에 매핑하는 데 있어 퍼지 규칙의 효과는 어떠한가?
• RQ5 이질적 호텔 데이터를 처리하기 위해 Hadoop를 사용할 경우 성능 향상은 어느 정도 달성되는가?

주요 결과

• 제안된 시스템은 기존의 전통적 협업 필터링 접근 방식에 비해 유의미하게 높은 정밀도, 재현율 및 F-측정치를 달성한다.
• Hadoop 플랫폼를 통한 효율적인 데이터 처리 덕분에 응답 시간이 뚜렷이 단축된다.
• 맥락적 요소로 게스트 유형을 통합함으로써 추천의 개인화와 관련성 향상이 이루어진다.
• 어휘적, 문법적, 의미적 기법을 기반으로 한 정서 분석은 특정 호텔 기능에 대한 사용자 의견을 효과적으로 포착한다.
• 퍼지 규칙의 통합을 통해 사용자 프로파일과 정서 점수를 적절한 호텔 등급에 안정적으로 매핑할 수 있다.
• 실세계 데이터셋을 대상으로 한 실증 평가를 통해 시스템의 정확도 및 확장성 측면에서 뛰어난 성능을 입증한다.