소셜 정보 기반의 맛집 추천 시스템

Abstract

스마트폰의 등장과 무선인터넷 보급의 확대로 이제 사람들은 더 이상 컴퓨터가 구비된 실내가 아니더라도, 무선인터넷이 가능한 곳이면 어디에서든 인터넷에 쉽게 접속할 수 있게 되었다. 예전보다 훨씬 유동적인 인터넷 사용이 가능해지면서 소셜 네트워크 서비스(SNS)들이 폭발적인 인기를 얻게 되었고 사용자들은 커뮤니티, 블로그, Twitter 등의 다양한 서비스를 통하여 자신의 견해나 의견을 표현하고 많은 정보를 만들어내며 또한 활발하게 정보교환을 하고 있다. 그러나 반면에 이러 정보 홍수 시대에 우리는 정작 필요한 정보를 찾는데 오히려 예전보다 더 많은 시간을 소모한다. 따라서 소셜 네트워크 서비스에서 만들어지는 데이터들에 대해 통합적으로 분석함으로써 이를 이용하여 효과적인 추천을 할 수 있는 추천 기법 및 추천 시스템이 필요하다. 본 논문에서는 소셜 관계에 초점을 맞춘 맛집 추천 데이터 모델을 기반으로 하여 소셜 정보 기반의 맛집 추천 기법을 제안한다. 이 추천 기법은 소셜 네트워크에서의 직접 및 간접적인 친구관계, 맛집 리스트의 공유정보, 점수편차를 고려한 평가정보를 통합적으로 이용하여 가중치를 구함으로써 소셜 관계를 정의한다. 따라서 기존의 다른 연구들보다 소셜 관계를 정의함에 있어서 현실성이 있는 친구관계를 찾고 및 비슷한 성향의 사용자들을 유추하는데 좋은 결과를 가져 올 거라 예상한다. 또한 이를 안드로이드 기반 스마트 소프트웨어로 구현함으로써 추천 기법의 적용 가능성을 확인하고 소셜 정보 기반의 신뢰도가 높은 정보 추천을 효율적으로 제공하려 한다. ;The emergence of smart phones and the broad support for wireless connection has made Facebook and Twitter very popular trends. Because of the more flexible and widespread Internet access provided these days, Social Network Services (SNS) have gained tremendous popularity. Users express their views and create a lot of information as well as exchange information very actively through communities, blogs, Twitter etc. However, on the other hand, in this era of information flooding, we consume more time to find the needed information. Thus, we need more effective recommendation techniques and recommender systems designed based on integrated analysis of social network service data. In this paper, we proposed a restaurant recommendation model focused on social relationships and based on that model, proposed a restaurant recommendation technique focused on social information. This recommendation technique defines a social relationship by obtaining the integral of the weights considering direct and indirect relationships, shared information and deviation scores of opinions within the social network. Therefore, it is expected that the proposed technique will show good results for finding true friendship relations and find infer users that have similar tastes. Also, we implemented an Android-based smart software platform to determine the applicability of our recommendation technique and to offer an efficient and reliable information recommendation based on social network information.