[논문 리뷰] Using content features to enhance performance of user-based collaborative filtering performance of user-based collaborative filtering

Niloofar Rastin, Mansoor Zolghadri Jahromi|arXiv (Cornell University)|2014. 02. 10.

Recommender Systems and Techniques참고 문헌 10인용 수 3

한 줄 요약

이 논문은 항목의 컨텐츠 특징을 통합하여 유사도 측정을 향상시키고, 항목 특징 유사도에 기반해 평점을 가중치 적용하는 하이브리드 사용자 기반 협업 필터링 방법을 제안한다. MovieLens 데이터셋에서 평가한 결과, 기존 사용자 기반 CF 및 기타 기준 방법보다 추천 정확도가 향상된다. 이는 사용자 유사도 계산 과정에서 맥락적 항목 속성을 활용함으로써 달성된다.

ABSTRACT

Content-based and collaborative filtering methods are the most successful solutions in recommender systems. Content based method is based on items attributes. This method checks the features of users favourite items and then proposes the items which have the most similar characteristics with those items. Collaborative filtering method is based on the determination of similar items or similar users, which are called item-based and user-based collaborative filtering, respectively.In this paper we propose a hybrid method that integrates collaborative filtering and content-based methods. The proposed method can be viewed as user-based Collaborative filtering technique. However to find users with similar taste with active user, we used content features of the item under investigation to put more emphasis on users rating for similar items. In other words two users are similar if their ratings are similar on items that have similar context. This is achieved by assigning a weight to each rating when calculating the similarity of two users.We used movielens data set to access the performance of the proposed method in comparison with basic user-based collaborative filtering and other popular methods.

연구 동기 및 목표

• 기존 사용자 기반 협업 필터링이 항목 맥락과 무관하게 모든 평점을 동일하게 취급하는 한계를 해결하기 위해.
• 사용자 유사도 계산에 항목 컨텐츠 특징을 통합하여 추천 정확도를 향상시키기 위해.
• 콘텐츠 기반 필터링과 사용자 기반 협업 필터링의 장점을 결합한 하이브리드 접근법을 개발하기 위해.
• 제안된 방법의 성능을 표준 사용자 기반 CF 및 기타 기존 방법과 비교하기 위해.

제안 방법

• 사용자 유사도 계산을 수정하여, 평가 중인 항목의 콘텐츠 유사도에 기반해 평점을 가중치 적용한다.
• 모든 사용자 쌍에 대해, 항목의 특징 유사도에서 유도된 가중치를 사용하는 가중치가 부여된 코사인 유사도 측정 방식을 사용해 유사도를 계산한다.
• 항목의 콘텐츠 특징을 사용하여 항목 간의 유사도 점수를 계산하고, 이를 사용자 유사도 계산에서 각 평점에 가중치로 적용한다.
• 가중치 부여 방식은 특징이 유사한 항목에 대한 평점이 사용자 유사도에 더 크게 기여하도록 하여 맥락적 관련성을 반영한다.
• 표준 사용자 기반 협업 필터링의 확장으로 구현되며, 핵심 구조는 유지하면서 유사도 메트릭을 향상시킨다.
• Method는 MovieLens 데이터셋을 사용하여 평가되며, 기준 사용자 기반 CF 및 기타 인기 있는 추천 알고리즘과의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 항목의 컨텐츠 특징을 사용자 기반 협업 필터링에 효과적으로 통합하여 추천 정확도를 향상시킬 수 있는가?
• RQ2 항목 특징 유사도에 기반해 평점을 가중치 적용하는 것이 사용자 유사도 계산에 어떤 영향을 미치는가?
• RQ3 제안된 하이브리드 방법은 표준 사용자 기반 협업 필터링 및 기타 기준 방법과 비교해 성능 면에서 어떻게 다른가?
• RQ4 콘텐츠 기반 특징의 통합이 사용자 기반 협업 필터링의 희소성 문제를 완화하는 데 기여하는가?

주요 결과

• 제안된 방법은 MovieLens 데이터셋에서 표준 사용자 기반 협업 필터링보다 추천 정확도가 뚜렷이 향상된다.
• 사용자 유사도 계산에 콘텐츠 기반 가중치를 통합함으로써 더 관련성 있고 개인화된 추천이 가능해진다.
• 표준 평가 지표로 측정했을 때, 기존의 사용자 기반 CF 및 기타 최첨단 기술을 포함한 기준 방법보다 하이브리드 접근법이 성능 면에서 뛰어나다.
• 항목 컨텐츠 특징의 사용은 특히 희소한 평점 환경에서 사용자 유사도의 강건성을 향상시킨다.
• 맥락 인식 평점 가중치 적용이 균일한 평점 가중치 적용보다 더 나은 예측 성능을 낳는다.
• 정량적 성과 향상이 측정되었으며, 저널 게재 논문에서 구체적인 수치적 개선 사례(예: 정밀도 및 재현율 값 향상)가 보고되었다.