검색 상세

Item2vec을 이용한 하이브리드 협업필터링

A Hybrid Collaborative Filtering with Item2vec

황민기 (서강대학교 정보통신대학원)

원문보기

초록 moremore
본 연구에서는 머신러닝을 이용한 word embedding 방법 중 하나인 Word2vec을 item에 적용한 Item2vec을 이용한 하이브리드 협업필터링 추천을 제안한다. 여성 패션 커머스앱 M사의 사용자가 상품에 대해 호감을 표시한 사용자 이용기록으로 Item2vec 학습을 하여, 상품들을 벡터를 생성한다. 그리고 사용자의 호감을 표한 상품들의 벡터를 값을 가지고 내적 연산결과를 정규화하여 사용자고유의 성향벡터를 만든다. 또한, 사용자성향 벡터들을 K-평균 군집을 수행하여, 사용자들을 군집한다. 이를 바탕으로 사용자 성향과 상품간의 유사도를 고려한 하이브리드 협업필터링을 제안한다. 성능 실험에서는 코사인 유사도와 자카드 유사도를 이용한 사용자기반ㆍ아이템기반 협업필터링 추천과 top-N을 이용하여 추천 정확도에 대한 성능비교를 하였다. 본 연구에서 제안한 추천시스템이 Precision 기준, 1-top에서 10.18%, 5-top에서 6.11%, 1-top에서 3.68%의 차이로 하이브리드 협업필터링이 추천 정확도 성능이 좋다는 결과를 얻었다.
본 연구에서는 머신러닝을 이용한 word embedding 방법 중 하나인 Word2vec을 item에 적용한 Item2vec을 이용한 하이브리드 협업필터링 추천을 제안한다. 여성 패션 커머스앱 M사의 사용자가 상품에 대해 호감을 표시한 사용자 이용기록으로 Item2vec 학습을 하여, 상품들을 벡터를 생성한다. 그리고 사용자의 호감을 표한 상품들의 벡터를 값을 가지고 내적 연산결과를 정규화하여 사용자고유의 성향벡터를 만든다. 또한, 사용자성향 벡터들을 K-평균 군집을 수행하여, 사용자들을 군집한다. 이를 바탕으로 사용자 성향과 상품간의 유사도를 고려한 하이브리드 협업필터링을 제안한다. 성능 실험에서는 코사인 유사도와 자카드 유사도를 이용한 사용자기반ㆍ아이템기반 협업필터링 추천과 top-N을 이용하여 추천 정확도에 대한 성능비교를 하였다. 본 연구에서 제안한 추천시스템이 Precision 기준, 1-top에서 10.18%, 5-top에서 6.11%, 1-top에서 3.68%의 차이로 하이브리드 협업필터링이 추천 정확도 성능이 좋다는 결과를 얻었다.