유전자 알고리즘을 활용한 소셜네트워크 기반 하이브리드 협업필터링

노희룡; 최슬비; 안현철

추천

검색

질문

자료유형: 학술저널

저자정보: 노희룡 (찬영씨앤씨) 최슬비 (국민대학교) 안현철 (국민대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제23권 제2호

발행연도: 2017.6

수록면: 19 - 38 (20page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (3)

2017

유전자 알고리즘을 활용한 소셜네트워크 기반 하이브리드 협업필터링

노희룡 , 최슬비 , 안현철 지능정보연구 2017.06 학술저널

유전자 알고리즘을 활용한 소셜네트워크분석 기반 추천시스템의 개선

노희룡 2017.01 학위논문

2016

유전자 알고리즘을 활용한 소셜네트워크 기반 추천시스템의 개선

노희룡 , 최슬비 , 안현철 한국지능정보시스템학회 학술대회논문집 2016.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구는 사용자 평점 이외에 사용자 간 직접·간접적 신뢰 및 불신 관계 네트워크의 분석 결과를 추가로 반영한 새로운 하이브리드 협업필터링(Collaborative filtering, CF) 추천방법을 제안한다. 구체적으로 사용자 간의 유사도를 계산할 때 사용자 평가점수의 유사성만을 고려하는 기존의 CF와 다르게, 사용자 신뢰 및 불신관계 데이터의 사회연결망분석 결과를 추가적으로 고려하여 보다 정교하게 사용자 간의 유사도를 산출하였다. 이 때, 사용자 간의 유사도를 재조정하는 접근법으로 특정 이웃 사용자가 신뢰 및 불신 관계 네트워크에서 높은 신뢰(또는 불신)를 받을 때, 추천 대상이 되는 사용자와 해당 이웃 간의 유사도를 확대(강화) 또는 축소(약화)하는 방안을 제안하고, 더 나아가 최적의 유사도 확대 또는 축소의 정도를 결정하기 위해 유전자 알고리즘(genetic algorithm, GA)을 적용하였다. 본 연구에서는 제안 알고리즘의 성능을 검증하기 위해, 특정 상품에 대한 사용자의 평가점수와 신뢰 및 불신 관계를 나타낸 실제 데이터에 추천 알고리즘을 적용하였으며 그 결과, 기존의 CF와 비교했을 때 통계적으로 유의한 수준의 예측 정확도 개선이 이루어짐을 확인할 수 있었다. 또한 신뢰 관계 정보보다는 불신 관계 정보를 반영했을 때 예측 정확도가 더 향상되는 것으로 나타났는데, 이는 사회적인 관계를 추적하고 관리하는 측면에서 사용자 간의 불신 관계에 대해 좀 더 주목해야 할 필요가 있음을 시사한다.

Collaborative filtering (CF) algorithm has been popularly used for implementing recommender systems. Until now, there have been many prior studies to improve the accuracy of CF. Among them, some recent studies adopt "hybrid recommendation approach", which enhances the performance of conventional CF by using additional information. In this research, we propose a new hybrid recommender system which fuses CF and the results from the social network analysis on trust and distrust relationship networks among users to enhance prediction accuracy. The proposed algorithm of our study is based on memory-based CF. But, when calculating the similarity between users in CF, our proposed algorithm considers not only the correlation of the users" numeric rating patterns, but also the users" in-degree centrality values derived from trust and distrust relationship networks. In specific, it is designed to amplify the similarity between a target user and his or her neighbor when the neighbor has higher in-degree centrality in the trust relationship network. Also, it attenuates the similarity between a target user and his or her neighbor when the neighbor has higher in-degree centrality in the distrust relationship network. Our proposed algorithm considers four (4) types of user relationships - direct trust, indirect trust, direct distrust, and indirect distrust - in total. And, it uses four adjusting coefficients, which adjusts the level of amplification / attenuation for in-degree centrality values derived from direct / indirect trust and distrust relationship networks. To determine optimal adjusting coefficients, genetic algorithms (GA) has been adopted. Under this background, we named our proposed algorithm as SNACF-GA (Social Network Analysis - based CF using GA).
To validate the performance of the SNACF-GA, we used a real-world data set which is called "Extended Epinions dataset" provided by "trustlet.org". It is the data set contains user responses (rating scores and reviews) after purchasing specific items (e.g. car, movie, music, book) as well as trust / distrust relationship information indicating whom to trust or distrust between users. The experimental system was basically developed using Microsoft Visual Basic for Applications (VBA), but we also used UCINET 6 for calculating the in-degree centrality of trust / distrust relationship networks. In addition, we used Palisade Software"s Evolver, which is a commercial software implements genetic algorithm. To examine the effectiveness of our proposed system more precisely, we adopted two comparison models. The first comparison model is conventional CF. It only uses users" explicit numeric ratings when calculating the similarities between users. That is, it does not consider trust / distrust relationship between users at all. The second comparison model is SNACF (Social Network Analysis - based CF). SNACF differs from the proposed algorithm SNACF-GA in that it considers only direct trust / distrust relationships. It also does not use GA optimization. The performances of the proposed algorithm and comparison models were evaluated by using average MAE (mean absolute error).
Experimental result showed that the optimal adjusting coefficients for direct trust, indirect trust, direct distrust, indirect distrust were 0, 1.4287, 1.5, 0.4615 each. This implies that distrust relationships between users are more important than trust ones in recommender systems. From the perspective of recommendation accuracy, SNACF-GA (Avg. MAE = 0.111943), the proposed algorithm which reflects both direct and indirect trust / distrust relationships information, was found to greatly outperform a conventional CF (Avg. MAE = 0.112638). Also, the algorithm showed better recommendation accuracy than the SNACF (Avg. MAE = 0.112209). To confirm whether these differences are statistically significant or not, we applied paired samples t-test. The results from the paired samples t-test presented that the difference between SNACF-GA and conventional CF was statistical significant at the 1% significance level, and the difference between SNACF-GA and SNACF was statistical significant at the 5%.
Our study found that the trust/distrust relationship can be important information for improving performance of recommendation algorithms. Especially, distrust relationship information was found to have a greater impact on the performance improvement of CF. This implies that we need to have more attention on distrust (negative) relationships rather than trust (positive) ones when tracking and managing social relationships between users.

#추천시스템 #협업필터링 #신뢰 #불신 #사회연결망분석 #내향 연결정도 중심성 #유전자 알고리즘 #Recommender System #Collaborative Filtering #Trust #Distrust #Social Network Analysis #In-degree Centrality #Genetic Algorithm

참고문헌 (45)

참고문헌 신청

[학술지(정기간행물)] - Adomavicious, G. / 2005 / Toward the Next Generation of Recommender Systems :A Survey of the State- of-the-art and Possible Extensions / IEEE Transactions on Knowledge and Data Engineering 17 (6) : 734 ~ 749

[학술지(정기간행물)] - 안현철 / 2014 / 사용자 감정 예측을 통한 상황인지 추천시스템의 개선 / Journal of Information Technology Applications & Management 21 (4) : 203 ~ 223

[학술지(정기간행물)] - 안현철 / 2009 / 투자 의사결정 지원을 위한 유전자 알고리즘 기반의 다중 인공지능 기법 결합 모형 : KOSPI에의 응용 / e-비즈니스연구 10 (1) : 215 ~ 236

[학술지(정기간행물)] - 안성만 / 2012 / 소셜네트워크 분석을 통한 협업필터링 추천 성과의 이해 / 한국전자거래학회지 17 (2) : 129 ~ 147

[학술대회논문] - Ahn, Y. Y. / 2007 / Analysis of Topological Characteristics of Huge Online Social Network Service / Proceeding of 16th International Conference on World Wide Web : 835 ~ 844

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

노희룡

소속기관 찬영씨앤씨

주요연구분야 사회과학 > 경영학 공학 > 산업공학

논문수 3 이용수 452

최슬비

소속기관 국민대학교

주요연구분야 공학 > 산업공학 복합학 > 학제간연구

논문수 6 이용수 1,069

안현철

소속기관 국민대학교

주요연구분야 공학 > 산업공학 TOP 5% 공학 > 컴퓨터학 TOP 5%

논문수 114 이용수 29,599

이 논문과 함께 이용한 논문

이진 분류문제에서의 딥러닝 알고리즘의 활용 가능성 평가

김기태 , 이보미 , 김종우 지능정보연구 2017 .03

연관분석을 활용한 인터넷 상점 방문 고객의 구매 확률 예측 방안 연구

김동성 , 김종우 한국지능정보시스템학회 학술대회논문집 2015 .11

인터넷 상점의 웹 페이지 방문 로그를 활용한 고객 행위 예측 : 연관규칙의 활용

김동성 , 김종우 한국지능정보시스템학회 학술대회논문집 2013 .06

유전 알고리즘을 활용한 협업 필터링 추천시스템의 개선

조용진 , 조현우 , 김경민 외 1명 한국정보과학회 학술발표논문집 2016 .12

Emoticon by Emotions: 소비자 감성 기반 이모티콘 추천 시스템 개발

김건우 , 박도형 지능정보연구 2018 .03

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (45)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)