정보처리학회 논문지 B
Current Result Document :
| 한글제목(Korean Title) |
음악추천시스템의 다차원 최적화 모형 |
| 영문제목(English Title) |
Multidimensional Optimization Model of Music Recommender Systems |
| 저자(Author) |
박경수
문남미
Kyong-Su Park
Namme Moon
|
| 원문수록처(Citation) |
VOL 19-B NO. 03 PP. 0155 ~ 0164 (2012. 06) |
한글내용
(Korean Abstract) |
일반적으로 추천시스템의 구성변수가 많아질수록 평가함수 �꼭� 극대화하는 것은 유리하나 계산의 복잡성으로 예측성능과 추천유효성을 저해할 수 있어 구성변수의 증가와 추천 성능을 동시에 해결하는 것이 필요하다. 본 연구는 이러한 과제를 해결하기 위해 음악추천시스템을 대상으로 음악추천 시 평가함수 �꼭� 극대화하기 위한 다차원 구성요소와 이들의 상대적 중요도에 대해 연구하였다. 이를 위해 관련 선행연구를 바탕으로 도출된 수식과 차원들을 이용하여 다차원 최적화 모형을 수립하고 다차원 최적관계를 도출하기위한 실제 고객의 사용로그 자료를 활용하여 다중회귀분석을 하였다. 그 결과 음악선호평가에 있어 상품차원, 사회관계차원, 사용자차원, 상황차원 순으로 상관관계가 높은 것으로 나타났고 특히 사회관계차원의 구성변수인 인기곡과 상품차원의 구성변수인 음악장르, 최신곡 및 선호아티스트가 음악선호평가와 상관관계가 높은 것으로 나타났다. 한편 도출된 다차원 추천모형은 사용자· 상품의 2차원 추천시스템 및 사용자·상품·상황 또는 사용자·상품·사회관계의 3차원 추천시스템과 성능을 비교 평가한 결과 종속변수인 평가함수 �꼬� 대한 투입된 독립변수들인 각 차원들의 설명력이 가장 높고 또한 평가함수�껐� 사용자차원, 상품차원, 상황차원 및 사회관계차원의 개별 상관관계도 더 높은 것으로 나타났다.
|
영문내용
(English Abstract) |
This study aims to identify the multidimensional variables and sub-variables and study their relative weight in music recommender systems when maximizing the rating function R. To undertake the task, a optimization formula and variables for a research model were derived from the review of prior works on recommender systems, which were then used to establish the research model for an empirical test. With the research model and the actual log data of real customers obtained from an on line music provider in Korea, multiple regression analysis was conducted to induce the optimal correlation of variables in the multidimensional model. The results showed that the correlation value against the rating function R for Items was highest, followed by Social Relations, Users and Contexts. Among sub-variables, popular music from Social Relations, genre, latest music and favourite artist from Items were high in the correlation with the rating function R. Meantime, the derived multidimensional recommender systems revealed that in a comparative analysis, it outperformed two dimensions(Users, Items) and three dimensions(Users, Items and Contexts, or Users, items and Social Relations) based recommender systems in terms of adjusted R^2 and the correlation of all variables against the values of the rating function R.
|
| 키워드(Keyword) |
추천시스템
협업필터링
다차원모형
최적관계
Recommender Systems
Collaborative Filtering
Multidimensional Model
Optimization
|
| 파일첨부 |
PDF 다운로드
|
