[논문 리뷰] Towards effective research recommender systems for repositories

Petr Knoth, Lucas Anastasiou외 5명|Open Research Online (The Open University)|2017. 05. 01.

Recommender Systems and Techniques참고 문헌 7인용 수 14

한 줄 요약

이 논문은 학술 레포지터리 및 저널에 통합된 최신 기술 기반의 연구 추천 시스템인 CORE 추천 시스템을 제시한다. 이 시스템은 협업 필터링과 콘텐츠 기반 필터링을 활용하여 관련 학술 논문의 탐색을 향상시킨다. 개인화된 추천을 통해 사용자 경험을 향상시키지만, 레포지터리 인fra구조에서 표준화된 사용자 상호작용 로깅 및 글로벌 로그온 기능의 부재로 인해 도전 과제를 겪고 있다.

ABSTRACT

In this paper, we argue why and how the integration of recommender systems for research can enhance the functionality and user experience in repositories. We present the latest technical innovations in the CORE Recommender, which provides research article recommendations across the global network of repositories and journals. The CORE Recommender has been recently redeveloped and released into production in the CORE system and has also been deployed in several third-party repositories. We explain the design choices of this unique system and the evaluation processes we have in place to continue raising the quality of the provided recommendations. By drawing on our experience, we discuss the main challenges in offering a state-of-the-art recommender solution for repositories. We highlight two of the key limitations of the current repository infrastructure with respect to developing research recommender systems: 1) the lack of a standardised protocol and capabilities for exposing anonymised user-interaction logs, which represent critically important input data for recommender systems based on collaborative filtering and 2) the lack of a voluntary global sign-on capability in repositories, which would enable the creation of personalised recommendation and notification solutions based on past user interactions.

연구 동기 및 목표

• 통합된 추천 시스템을 통해 학술 레포지터리 내 연구 탐색을 향상시키기.
• 현재 레포지터리 인fra구조의 한계를 해결하여 효과적인 추천 시스템을 구현하기.
• 글로벌 레포지터리 전반에서 개인화된 고품질의 논문 추천을 통해 사용자 경험을 향상시키기.
• 대규모 연구 추천 시스템을 구현하는 데 있어 핵심적인 기술적 및 인프라적 장벽을 식별하고 극복하기.
• 체계적인 평가 프로세스를 통해 추천 품질을 평가하고 지속적으로 향상시키기.

제안 방법

• CORE 추천 시스템은 메타데이터 및 사용자 상호작용 데이터를 활용하여 협업 필터링과 콘텐츠 기반 필터링을 결합한 하이브리드 추천 접근 방식을 채택한다.
• 레포지터리 및 저널로부터의 익명화된 사용자 상호작용 로그를 활용하여 사용자 선호도와 항목 유사도를 모델링한다.
• 분산 아키텍처를 기반으로 하여 글로벌 레포지터리 네트워크 전반에서의 교차 레포지터리 추천을 가능하게 한다.
• 표준화된 API 및 배포 프레임워크를 통해 제3자 레포지터리에의 통합을 지원한다.
• 지속적인 추천 품질 향상을 위해 평가 프로세스를 구현한다.
• 향후 기능 향상(예: 개인화 알림, 로그온 통합 등)을 고려해 확장 가능하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 어떻게 추천 시스템이 학술 레포지터리 내 연구 탐색을 효과적으로 향상시킬 수 있는가?
• RQ2 현재 레포지터리 생태계에서 고품질 연구 추천 시스템 개발을 저해하는 기술적 및 인프라적 장애 요소는 무엇인가?
• RQ3 협업 필터링과 콘텐츠 기반 필터링을 얼마나 효과적으로 융합하여 다양한 레포지터리 간 추천 정확도를 향상시킬 수 있는가?
• RQ4 표준 프로토콜이 부재한 상황에서 익명화된 사용자 상호작용 로그는 어떻게 효과적으로 활용할 수 있는가?
• RQ5 글로벌 로그온 기능은 개인화된 추천 및 알림 시스템을 구현하는 데 어떤 역할을 하는가?

주요 결과

• CORE 추천 시스템은 성공적으로 재설계되어 프로덕션 환경에 구축되었으며, 확장성과 교차 레포지터리 기능을 입증했다.
• 시스템은 글로벌 레포지터리 네트워크 전반에서 사용자 상호작용과 콘텐츠 메타데이터를 분석하여 개인화된 추천을 제공한다.
• 주요 제한 요소로는 협업 필터링에 필수적인 익명화된 사용자 상호작용 로그를 노출하기 위한 표준 프로토콜의 부재가 밝혀졌다.
• 다른 핵심 과제로는 자율적인 글로벌 로그온 시스템의 부재로 인해 지속적인 사용자 프로파일링 및 개인화된 추천이 어렵다는 점이 있다.
• 이러한 인프라 제약에도 불구하고, 철저한 설계 및 평가 프로세스 덕분에 높은 수준의 추천 품질을 달성했다.
• 논문은 차세대 추천 시스템을 지원하기 위해 레포지터리 전반에 걸쳐 공동체 수준의 표준이 필요하다고 강조한다.