소셜 네트워크 요소들을 통합적으로 고려한 개인 맞춤형 추천 기법

Abstract

Since Mobile and Internet service has advanced rapidly in recent years, it is available for users to be plugged into a computer network and the number of users for Social Network where they can express their opinion or value is growing fast. As the number of users and the process of information generation have increased, it got difficult for users to get useful necessary information. Also, the type of information that is shared through friends of the users in Social Network is various. All sorts of information like profile info, text, picture, and, video clips etc has been created and shared through the Social Network. It is easy to get various information, but this made it hard for users to get adequate information that fits their interests. Therefore, personalization recommendation service that can recommend appropriate items for the users according to their preferences is needed. In this paper, item that gets recommendation from a user was suggested, analyzing user sestimation by making final ranks with the value that is calculated by the process of dividing sum of the multiplication of confidence and mark by the sum of weighting. Confidence of the user is calculated analyzing in depth of relationship element in network, influence element in specific category, activity element of users.;최근 모바일 및 인터넷 서비스가 빠르게 발전하여 사용자들은 언제 어디서나 네트워크에 접속하게 되었고, 개인의 의견이나 가치를 표현하는 소셜 네트워크 이용자 수가 빠르게 증가하게 되었다. 소셜 네트워크 이용자의 수가 급증하면서 사람들이 접근할 수 있는 정보의 과다 제공으로 사용자는 자신의 관심사에 적합한 정보를 얻기가 힘들어졌다. 그러므로 사용자의 선호도를 분석하여 적절한 아이템을 추천하는 개인화 추천 서비스가 필요하다. 본 논문에서는 추천에 활용할 수 있는 사용자의 소셜 관계 정보, 영향력, 활동력 요소를 통합적으로 분석하여 사용자의 선호도와 신뢰도를 반영한 추천 기법을 제안하였다. 사용자의 신뢰도를 분석함에 있어서는 소셜 네트워크에서의 친구관계 요소, 특정 카테고리에서의 사용자의 영향력(다른 사용자의 행위를 촉진함) 요소와 사용자의 활동력(계정 생성으로부터 최근까지 정보생성의 양과 패턴) 요소를 심층적으로 분석하여 그 가중치를 계산하였다. 사용자의 친구관계 요소를 분석함에 있어서는 방향성을 고려한 직접적인 친구와 간접적인 친구를 고려하였다. 사용자의 영향력을 분석함에 있어서는 특정카테고리에서 사용자가 생성한 유용한 정보의 수, 전문성, 해당 사용자의 정보를 구독하는 사용자의 수와 다른 사용자들로부터 받은 긍정적인 메시지를 고려하였다. 사용자 활동력을 분석함에 있어서는 다양한 평가분포, 계정 생성으로부터 최근까지의 정보 생성의 양과 최근 활동을 고려하였다. Yelp데이터를 기반으로 추천기법을 적용하고 구현하였고, 통합적으로 성능평가를 수행한 결과 논문에서 제안한 기법이 대체로 정확한 예측을 제공함을 증명하였다.