행렬 분해 및 잠재 변수를 활용한 협업 필터링 기반 텍스트 컨텐츠 추천

Abstract

온라인 쇼핑 서비스나 멀티미디어 컨텐츠 서비스에서는 사용자들이 자신이 원하는 컨텐츠를 쉽게 찾을 수 있도록 추천 시스템을 활용하고 있다. 포탈 커뮤니티 사이트나 소셜 네트워크 서비스도 협업 필터링 등의 추천 방법론을 활용하여 서비스 내에서 발생하는 텍스트 컨텐츠를 추천할 경우, 사용자들이 더 다양한 컨텐츠를 쉽게 접할 수 있다. 그러나 텍스트 컨텐츠의 경우 컨텐츠에 대한 선호가 평점 또는 구매와 같은 형태로 직접적으로 나타나지 않기 때문에 정확하게 파악하기 어렵다. 또한 사용자의 선호를 정확히 파악할 수 있다고 해도, 웹 커뮤니티나 소셜 네트워크는 텍스트 컨텐츠의 생성 및 소비 속도가 매우 빠르기 때문에 동일한 컨텐츠에 대한 사용자들의 선호가 누적되지 않는다. 따라서 일반적인 협업 필터링 기반의 추천 방법론을 그대로 활용하는 것은 적절하지 않다. 본 논문에서는 이러한 텍스트 컨텐츠를 효과적으로 추천하기 위한 협업 필터링 기반 추천 방법론을 제안한다. 제안한 모델은 사용자와 컨텐츠 간의 상호 작용을 통해 사용자의 컨텐츠에 대한 선호를 점수 또는 순위로 추정하고, 이를 활용하여 잠재 변수 기반의 행렬 분해 모델 학습 및 추천을 수행한다. 해당 모델은 주제 모델링을 통해 얻은 텍스트 컨텐츠(제목 및 본문)의 주제, 컨텐츠의 작성자 정보와 사용자간의 잠재 변수를 사용하고 그 외 다양한 정보를 성향 정보로 활용하여 텍스트 컨텐츠 추천의 콜드 스타트 문제를 보완한다. 실험 결과 논문에서 제안한 점수 기반 모델과 순위 기반 모델, 그리고 컨텐츠 제목의 단어 비중을 높이는 제목 단어 빈도 증가 모델의 텍스트 컨텐츠 추천 결과가 일반적인 행렬 분해 기반 협업 필터링 추천 모델보다 정밀도 측면에서 더 좋은 결과를 보였다. 또한 모델에 사용한 다양한 요소가 모두 추천 결과를 개선하는데 기여함을 확인할 수 있었다.