추천 시스템에서 차분 프라이버시 기반 사용자 그룹화를 이용한 유용도 향상 기법
Utility Enhancement method using User Grouping for Differential Private Recommendation System
- 주제(키워드) 개인 정보 보호 , 추천 시스템 , 차분 프라이버시 , 그룹화
- 발행기관 서강대학교 일반대학원
- 지도교수 박석
- 발행년도 2019
- 학위수여년월 2019. 2
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000064026
- UCI I804:11029-000000064026
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
모바일 기기와 인터넷 서비스의 급증으로 인터넷 사용자는 감당할 수 없이 많은 정보를 받아들이게 된다. 따라서, 사용자의 취향을 고려해 물품을 추천 해주는 추천 시스템이 필요하다. 하지만, 추천 시스템은 사용자의 개인 정보를 필요로 한다. 이를 지키기 위해 기존의 연구들에서 평점 정보에 차분 프라이버시를 만족시키는 노이즈를 삽입해 줬다. 하지만, 기존 연구에서는 두 가지 측면을 고려하지 않았다. 첫째, 사용자와 물품 사이의 희소성을 전혀 고려하지 않았다. 대부분의 인터넷 서비스는 사용자가 물품에 평점을 주는 횟수에 비해 새로운 사용자와 물품이 서비스에 유입되는 빈도가 월등히 많기 때문에, 평점의 개수에 비해 사용자와 물품이 훨씬 많게 된다. 따라서, 사용자와 물품에 대해 평점 행렬을 만들게 되면, 이 평점 행렬은 현저하게 희소성이 매우 높게 된다. 희소성이 높아 지면 추천 시스템에서 추천을 할 때 잠재적인 패턴을 파악하기 힘들다. 따라서, 평점 행렬의 밀집도를 고려한 추천 시스템이 필요하다. 둘째로, 기존의 프라이버시를 추천 시스템에 적용한 연구에서는 사용자들이 평점을 매긴 물품 목록에 대한 프라이버시를 보호하지 않았다. 사용자들의 평가 물품 목록은 또한 지켜야 할 프라이버시이므로, 이 또한 지킬 수 있는 추천 시스템이 필요하다. 따라서, 본 논문은 그룹화 기법을 통해 평점 행렬의 밀집도를 올림과 동시에, 사용자들의 평점 정보뿐만 아니라 사용자들의 평가 물품 목록에 대한 프라이버시를 지킬 수 있는 기법을 제안한다. 마지막으로, 실제 영화 평점 데이터를 가지고 제안 기법이 기존 차분 프라이버시를 추천 시스템에 적용한 연구들의 기법에 비해 추천 성능이 향상 됨을 보인다.
more