협업적 태그를 이용한 추천시스템 개인화

Abstract

통신 기술의 발달로 오늘날에는 온라인을 통해 대규모 정보의 유통이 가능해졌다. 이로 인해 책, 영화, 뉴스, 음악 등 다양한 분야에서 사용자에게 개인화된 항목을 선별해주는 추천 시스템(recommender systems)에 대한 요구는 점점 더 높아지고 있다. 이러한 배경으로 1990년대 중반 이래 다양한 추천 알고리즘이 제안되어왔고, 그 중에서도 협업 필터링(collaborative filtering) 방식은 상업적으로 그 유효성을 입증한 바 있다. 일반적인 협업 필터링 알고리즘에서는 항목(item)에 대한 사용자의 평점이나 소비 이력만을 이용해 항목간의 유사도를 계산하여 추천이 이루어진다. 하지만 사용자의 소비 이력만을 이용한 협업적 필터링 알고리즘은 항목의 내용(content) 자체의 유사성을 고려할 수 없고, 사용자가 항목의 어떠한 요소을 좋아하는지, 혹은 싫어하는지를 고려한 추천은 불가능하다. 비슷한 소비 이력을 가진 사용자들이라 할지라도 개개인의 취향에 따라 같은 항목에 대해 서로 다른 반응을 보일 수 있기 때문에, 이러한 접근은 이러한 사용자의 취향을 내용적인 측면에서는 고려하지 않고 있다고 할 수 있다. 본 연구에서는 개개의 항목에 부여된 태그(tag)를 이용한 접근을 통해 이러한 협업 필터링 기반 추천 시스템의 단점을 보완하고자 한다. 태그는 사용자들이 개개의 항목을 개인적으로 정리하기 위해 부여하는 짧은 문구로, 항목의 내용, 장르, 분위기, 감상 등에 대해 풍부한 정보를 담고 있다. 항목에 대한 사용자들의 협업적 태깅(collaborative tagging)으로 이루어진 태그 정보를 이용하면 항목의 내용과 사용자의 관점을 기반으로 사용자의 구체적인 취향을 파악할 수 있게 되므로, 이를 이용하여 한 단계 높은 수준의 개인화된 추천을 제공하는 것이 연구의 목표이다. 이를 위해 사용자의 취향을 사용자의 평점 정보와 항목에 대한 태그를 이용하여 분석한 사용자-태그 프로필(User-Tag Profiles, UTP)이라는 새로운 사용자 특성(feature)을 제안하고, 이 특성이 사용자의 실제 취향을 얼마나 반영하고 있는지를 알아보기 위해 어떤 추천 시스템에도 유연하게 적용할 수 있는 후처리(post-processing)방식의 추천 시스템 개선 방안을 제안한다. 제안 시스템의 성능을 검증하기 위해 우선 명시적(explicit) 평점을 가지는 영화 평점 정보 데이터셋인 MovieLens 1M 데이터셋과 Tag Genome 데이터셋을 이용하여 실제 사용자-태그 프로필을 구축한 후, Normalized Discounted Cumulative Gain (nDCG) 척도를 통해 기반 추천 시스템이 제시한 추천 결과와 후처리 방식을 적용한 추천 결과의 적합성을 비교해보았다. 또한 사용자-태그 프로필과 이를 이용한 개인화 방식이 영화가 아닌 다른 분야(domain)에서도 범용적으로 적용될 수 있는지 알아보기 위하여 음악 추천 서비스 Last.fm에서 수집한 암시적(implicit) 피드백 정보인 사용자 청취 기록과 태그 정보를 이용해 기반 추천 시스템과 후처리 방식을 구현하고 nDCG 척도를 이용해 성능에 어떠한 영향을 주는지 알아보았다. 본 연구는 항목의 내용적인 면에 대한 사용자들의 관점을 반영한 새로운 사용자 특성을 제안하고, 기존에 존재하는 어떠한 추천시스템에도 유연하게 적용 가능한 후처리 방식의 개선 방안을 통해 그 유효성을 검증했다는 데 그 의의가 있다. 이를 위해 협업적 태그를 이용함으로써 기존의 메타데이터(metadata)에서는 담아내지 못했던 다양한 정보들을 통해 사용자의 기호를 더 구체적이고 의미론적으로 표현하였다는 점에서 또한 의의가 있다.