소셜 태깅 정보를 이용한 책 추천 시스템

Abstract

본 연구의 목적은 추천 시스템의 방법론을 리뷰하고, 책 소셜 카탈로깅(social cataloging) 사이트의 데이터를 이용해 책 추천 시스템을 구축하는 것이다. 협업 필터링과 같은 고전적인 추천 시스템 방법에 더하여 소셜 태깅 정보를 이용한 결과 추천 시스템의 성능이 개선되었다. 본 연구에 사용한 데이터는 Goodreads community라는 온라인 커뮤니티로부터 크롤링된 사용자의 책 평가정보와 책에 대한 태그 정보이다. 소셜 카탈로깅 서비스의 특성상 수많은 사용자가 각각의 책에 대해 책에 대한 감정이나 주제를 표시해 놓은 ‘태그’데이터를 얻을 수 있었다. 이러한 태그는 책에 대한 정형화된 설명변수 이외에 다양한 정보가 담겨있는 비정형 데이터이다. 본 연구에서는 이러한 비정형 데이터를 가공하여 얻은 정보를 추천 시스템 구축에 활용한 하이브리드 접근법을 사용함으로써 추천 시스템의 성능을 개선하였다.;The purpose of this study is to review the methodologies of recommendation systems and build a book recommendation system using data from a book social cataloging site. The performance-enhancing effect of social tagging information is suggested when the information is used with classical recommendation systems such as collaboration filtering. The data used in this study are evaluation information of the users and the tag information about books, crawled from an online community called Goodreads community, a social cataloging service. Because of the nature of the service, it was able to get ‘tag’ data for each book that display the feelings of diverse users or topics of the books. These tags are unstructured data that contain various information about the books in addition to the formal explanatory variables for them. In this study, this tag information is used to build a new recommendation system.