[논문 리뷰] Recommendation and Personalization: A Survey

Saverio Perugini, Marcos Andr|arXiv (Cornell University)|2002. 05. 22.

Recommender Systems and Techniques참고 문헌 197인용 수 11

한 줄 요약

이 논문은 추천 및 개인화 시스템에 대한 주제별 종합 조사 보고서를 제시하며, 시스템, 기법, 연산자들을 통합하기 위해 기능적 은유를 사용하여 세 핵심 주제—추천, 사회망 활용, 개인화된 정보 접근—기반으로 분야를 정리한다. 이는 분야 내 메서드론, 과제, 향후 방향에 대한 종합적이고 체계적인 개요를 제공한다.

ABSTRACT

Recommendation and personalization attempt to reduce information overload and retain customers. While research in both recommender systems and personalization grew mainly out of information retrieval, both areas have emerged from nascent levels to veritable and challenging research areas in their own right. Whereas no technical or sophisticated methodologies exist by which to build such systems, the field also lacks a comprehensive, yet manageable survey by which to study recommendation systems and personalization facilities. In this paper, we attempt to fill that gap by presenting a thematic approach toward studying recommendation and personalization. Specifically, we present three major representative personalization themes: recommendation; induction, exploration, and exploitation of social networks; and personalization of information access. We unify the presentation of the three themes which we have extracted from the rich landscape of recommender system and personalization research via a functional metaphor, where inputs and output to a function are identified in each theme and instantiated through a number of systems and projects visited. In addition, we examine how a number of systems implement the function through various operators and techniques. Finally, we cover several broadening aspects, such as targeting, privacy and trust, and evaluation, regarding recommendation and personalization and present visions of future directions and challenges. Keywords:

연구 동기 및 목표

• 추천 및 개인화 연구 분야에서 종합적이면서도 다루기 쉬운 종합 조사 보고서의 부족을 보완하기 위해.
• 입력, 출력, 시스템 연산자 기반의 기능적 은유를 통해 추천 시스템 및 개인화 분야의 다양한 연구를 통합하기 위해.
• 다양한 기법과 연산자를 사용하여 시스템이 개인화 기능을 어떻게 구현하는지 분석하기 위해.
• 타겟팅, 프라이버시, 신뢰성, 평가와 같은 보다 광범위한 측면을 개인화 시스템에서 탐색하기 위해.
• 추천 및 개인화 분야의 향후 연구 방향과 과제를 요약하기 위해.

제안 방법

• 논문은 추천 및 개인화 연구를 세 가지 주요 주제—추천, 사회망 유도/탐색, 개인화된 정보 접근—로 분류하기 위해 주제 중심 접근법을 사용한다.
• 각 주제를 입력과 출력이 정의된 함수로 모델링하는 기능적 은유를 사용하여, 다양한 시스템 간의 체계적 비교를 가능하게 한다.
• 기능적 은유를 실현하기 위해 실제 시스템과 프로젝트를 분석하여 입력이 어떻게 처리되고 출력이 생성되는지 파악한다.
• 협업 필터링, 콘텐츠 기반 필터링, 사회망 분석 등의 다양한 연산자와 기법이 기능적 구성 요소를 구현하는 데 수행하는 역할을 분석한다.
• 타겟팅, 프라이버시, 신뢰성, 평가 지표의 관점에서 시스템을 평가하여 상호 간의 상충 관계와 설계 고려사항을 부각한다.
• 통합된 통찰을 바탕으로 향후 방향을 논의하며, 스케일러빌리티, 적응 가능성, 윤리적 고려사항을 중심으로 개인화 시스템의 발전을 중점으로 한다.

실험 결과

연구 질문

• RQ1 다양한 방법론과 응용 분야에 걸쳐 추천 및 개인화 연구를 어떻게 체계적으로 정리하고 통합할 수 있는가?
• RQ2 추천 및 개인화 시스템에 공통적으로 존재하는 핵심 기능적 구성 요소—입력, 출력, 연산자—는 무엇인가?
• RQ3 다양한 시스템은 협업 필터링 또는 사회망 분석과 같은 특정 기법을 통해 개인화 기능을 어떻게 실행하는가?
• RQ4 개인화 시스템에서 프라이버시, 신뢰성, 평가와 관련된 주요 과제는 무엇인가?
• RQ5 추천 및 개인화 분야에서의 새로운 추세와 향후 연구 방향은 무엇인가?

주요 결과

• 주제 중심 접근법은 추천 및 개인화 분야의 다양한 연구를 세 가지 핵심 주제—추천, 사회망 활용, 개인화된 정보 접근—로 식별함으로써 성공적으로 통합한다.
• 기능적 은유는 입력과 출력이 정의된 함수로 시스템을 모델링함으로써 분석 및 비교에 일관된 프레임워크를 제공한다.
• 협업 필터링, 콘텐츠 기반 필터링, 사회망 분석 등의 다양한 기법이 개인화 기능을 실행하는 데 효과적인 연산자로 기능하는 것으로 입증된다.
• 프라이버시, 신뢰성, 평가는 시스템 설계 및 구현에 큰 영향을 미치는 핵심적이고 횡단적인 고려사항으로 규명된다.
• 단일 기술적 방법론이 지배하지는 않지만, 다양한 접근 방식의 통합은 시스템의 강건성과 적응 가능성을 향상시킨다.
• 향후 연구는 사용자 통제와 시스템 지능 사이의 균형을 고려한 확장 가능하고 윤리적이며 적응 가능한 개인화 시스템에 집중해야 한다.