[논문 리뷰] Recommender System Based on Algorithm of Bicluster Analysis RecBi

Dmitry I. Ignatov, Jonas Poelmans외 1명|arXiv (Cornell University)|2012. 02. 13.

Rough Sets and Fuzzy Logic참고 문헌 5인용 수 7

한 줄 요약

이 논문은 러시아 고등학교 졸업생이 대학 학부를 선택하는 데 도움이 되도록 이중군집 분석을 활용한 추천 시스템인 RecBi를 제안한다. 이 시스템은 두 가지 알고리즘을 사용한다: 선호도 기반 추천을 위한 알고리즘과 알려진 선호도가 없는 케이스(냉시작 문제)를 위한 알고리즘으로, 허버드 스쿨 오브 이코노믹스에서 교육 상담의 효과적인 개인화를 실현한다.

ABSTRACT

In this paper we propose two new algorithms based on biclustering analysis, which can be used at the basis of a recommender system for educational orientation of Russian School graduates. The first algorithm was designed to help students make a choice between different university faculties when some of their preferences are known. The second algorithm was developed for the special situation when nothing is known about their preferences. The final version of this recommender system will be used by Higher School of Economics.

연구 동기 및 목표

• 러시아 고등학교 졸업생이 대학 학부 선택에 대해 정보 기반 결론을 내릴 수 있도록 돕는 문제를 해결하기 위해.
• 학생의 선호도가 알려져 있지 않은 경우(냉시작 문제)에도 효과적으로 기능하는 추천 시스템을 개발하기 위해.
• 교육 데이터에 이중군집 기법을 적용하여 고등교육 상담의 개인화를 향상시키기 위해.
• 허버드 스쿨 오브 이코노믹스가 확장 가능하고 데이터 기반의 추천 시스템을 학생 유치 프로그램에 도입할 수 있도록 지원하기 위해.

제안 방법

• 첫 번째 알고리즘은 유사한 선호도를 가진 학생 그룹과 그에 맞는 프로필을 가진 학부를 이중군집 기법을 통해 식별한다.
• 두 번째 알고리즘은 사전 선호도 정보가 없는 데이터 행렬에 이중군집 기법을 적용하여 학생-학부 간 관계의 잠재적 패턴을 발견한다.
• 이 방법은 데이터 내 상호작용 패턴을 기반으로 학생과 학부를 동시에 군집화하는 공군집합(co-clustering)을 활용한다.
• 시스템은 학생 선호도와 학부 특성의 행렬 표현을 사용하며, 이중군집은 일관된 학생과 학부의 하위 집단을 나타낸다.
• 알고리즘은 허버드 스쿨 오브 이코노믹스의 역사적 데이터를 기반으로 학생-학부 적합도를 모델링하기 위해 훈련된다.
• 최종 추천은 학생의 프로필을 가장 관련성이 높은 이중군집에 매핑하고, 그 군집 내 학부를 추천함으로써 생성된다.

실험 결과

연구 질문

• RQ1 어떻게 이중군집 기법을 고등학교 졸업생에게 대학 학부를 추천하는 데 효과적으로 적용할 수 있는가?
• RQ2 사전 선호도 정보가 없는 상황에서 이중군집 기반 추천 시스템이 냉시작 문제를 해결할 수 있는가?
• RQ3 伝통적 방법과 비교해 볼 때, 교육 지도 맥락에서 이중군집 기반 추천의 성능은 어떠한가?
• RQ4 실제 교육 데이터셋에서 이중군집 기법은 의미 있는 학생과 학부의 하위 집단을 얼마나 잘 파악할 수 있는가?

주요 결과

• RecBi 시스템은 명시적인 학생 선호도가 없더라도 이중군집 기법을 활용해 개인화된 학부 추천을 성공적으로 생성한다.
• 이중군집 기법은 일관된 학생과 학부의 하위 집단을 효과적으로 식별하여 정확하고 의미 있는 추천을 가능하게 한다.
• 이 시스템은 허버드 스쿨 오브 이코노믹스에서 설계되었으며, 이곳에 구현될 것을 목적으로 하므로 실생활 적용 가능성이 높다.
• 이 방법은 데이터 기반 군집화를 통해 학생-학부 적합도의 숨겨진 패턴을 드러내어 교육 상담 분야에서 잠재력을 보여준다.