희박한 평점데이터를 가진 사용자를 위한 멘토 기반의 영화추천 시스템

Abstract

통신 기술의 발달과 스마트 기기의 보급은 영화 콘텐츠를 시청 하는 방식의 다양화를 가져왔다. 그에 발맞추어 영화 콘텐츠의 양도 시간이 지남에 따라 급격하게 증가하고 있다. 그러나 자신의 취향에 맞는 영화를 고르기란 언제나 쉬운 일은 아니다. 보고 싶은 영화가 정해져 있는 경우에는 검색 서비스를 사용하여 관련 정보를 찾을 수 있지만, 그렇지 않은 경우에는 검색에 제한이 있다. 따라서 추천시스템은 검색서비스의 한계점을 개선하고, 사용자의 다양한 니즈를 해결하기 위해 적합한 대안이다. 왜냐하면, 추천시스템은 사용자 및 콘텐츠 자체의 특성(feature)을 기반으로 아이템을 추천 하기 때문에 보다 합리적인 결과를 제시할 수 있다. 지금까지 영화추천시스템에 대한 연구는 상당한 진척을 보여왔다. 하지만 기존 연구들의 특징은 무비렌즈(MovieLens)와 같이 정해진 데이터 집합을 이용하여 연구가 진행되었다는 점이다. 여기서 주목할 점은, 무비렌즈 데이터 집합이 적어도 각 사용자는 20개의 각기 다른 영화에 대한 평점 정보를 가진다라고 밝혔다는 것이다. 다시 말해, 실제 평점개수가 20개 미만인 사용자는 추천 대상에서 완전히 제외가 된다는 이야기다. 하지만 실제 영화 사이트에서 평점을 20개 이상 남긴 사용자는 전체 사용자를 기준으로 매우 적을 것이라 예상된다. 따라서 이 연구에서는 사용자 데이터 희박성(User data sparsity) 해결에 초점을 맞춘 멘토(mentor) 기반의 영화 추천시스템을 제안하고자 한다. 멘토 기반의 영화 추천시스템은 특히 사용자가 1-2개의 극도로 희박한 평점정보를 가지고 있을 때도 의미 있는 영화 추천을 가능하게 해주는 것을 목표로 한다. 멘토(mentor) 기반의 영화 추천을 설계하기 위해 실제 사용자들이 많이 사용하고 있는 다음(Daum) 포털사이트에 영화 데이터(사용자, 영화, 리뷰 정보)를 수집하여 멘토 기반의 추천시스템 알고리즘을 구현한다. 최종적으로 이 연구에서 제안하는 추천시스템과 기존 알고리즘의 추천 결과를 비교 제시하여 시스템 성능 평가를 수행한다