Browse

음악 재생율을 활용한 음악 추천 시스템에서의 암시적 피드백 특성 발굴 연구
Exploiting music playrate in discovering implicit feedback features for music recommender systems

DC Field Value Language
dc.contributor.advisor이교구-
dc.contributor.author유수연-
dc.date.accessioned2018-05-29T04:48:55Z-
dc.date.available2018-05-29T04:48:55Z-
dc.date.issued2018-02-
dc.identifier.other000000151324-
dc.identifier.urihttps://hdl.handle.net/10371/142282-
dc.description학위논문 (석사)-- 서울대학교 대학원 : 융합과학기술대학원 융합과학부, 2018. 2. 이교구.-
dc.description.abstract디지털 음원 시장 규모가 커짐에 따라 사용자는 방대한 크기의 디지털 음원 컬렉션에 접근할 수 있게 되었으나, 동시에 그 중에서 자신이 어떤 음악을 원하는지 찾고 선택하는 행위는 더욱 어려워지고 많은 시간을 소모하게 되었다. 이와 같은 이유 때문에 음악 추천 시스템의 중요성이 부각되며 그 성능을 높이기 위한 연구들이 다양한 방법론을 통해 시도되고 있다.

추천 시스템의 목적은 사용자가 소비하지 않은 아이템 중 선호/만족할만한 추천 아이템을 찾는 것에 있으며, 특히 음악 도메인에서는 이를 위해 사용자가 어떤 음악을 어떤 기준으로 얼마나 선호/불호하였는지를 분석하여, 다음으로는 어떤 곡을 듣고 싶어 하는지, 어떤 곡을 들어야 만족도가 높을 것인지를 예측해야 한다. 이와 같은 추천 시스템의 목적으로 미루어 보았을 때 사용자의 선호도는 추천 시스템에 있어서 가장 핵심적인 요소라고 할 수 있으며, 그 동안의 추천 시스템 연구들에서는 사용자의 선호도를 모델링하기 위해 크게 명시적 피드백(explicit feedback) 과 암시적 피드백(implicit feedback) 방식을 사용해왔다. 이 중에서도 특히 암시적 피드백 방식은 사용자로부터 직접 평가를 입력받지 않아도 된다는 점에서 음악 선호도, 혹은 평가를 추정할 때 가장 큰 문제로 대두되는 희소성 문제(sparsity problem)를 보완할 수 있다는 이유로 크게 각광받고 있다.

음악 도메인에서의 암시적 피드백은 사용자의 음악 청취 기록을 통해 수집되며, 음악 추천 시스템에서는 재생/스킵/정지 등의 청취 행위로부터 얻을 수 있는 특성 중에서도 특히 특정 곡을 몇 번 들었는지를 나타내는 재생 횟수(playcount) 가 대부분 사용되고 있다. 이러한 재생 횟수는 감소하지 않는(non-decreasing) 특징으로 인해 사용자의 선호도 감소를 반영하지 못하고, 고정적인 수집 기준을 가지기 때문에 사용자마다 상이할 수 있는 선호도 기준을 반영하지 못하며, 선호도 선상의 상위 극소수를 제외한 나머지 대다수 곡들에 대한 선호도는 구별하지 못한다는 한계점을 지닌다.

본 연구에서는 기존 음악 도메인에서 대표적으로 사용되는 암시적 피드백인 재생 횟수의 한계점을 보완하고 사용자의 음악 선호도를 보다 잘 반영할 수 있도록 하기 위해 기존의 연구와 사용자의 청취 기록 데이터를 기반으로 가중 재생율이라는 개념을 제안하고, 이를 바탕으로 누적 가중 재생율 및 재생횟수-평균 가중 재생율 곱이라는 새로운 암시적 피드백 특성들을 도출한다. 또한 사용자 평가를 통해 제안된 특성이 사용자의 실제 선호도를 잘 반영할 수 있는지와 음악 추천 시스템에 적용되었을 때 성능의 차이가 있는지를 검증한다. 이 후 결과 분석을 통해 본 연구의 한계점과, 음악 선호도 모델링과 음악 추천 과정과의 관계성에 관해 고찰하고, 이를 바탕으로 연구의 결론을 도출한다.
-
dc.description.tableofcontents제1장 서론 1
제1절 연구 배경 1
제2절 연구 목적 7

제2장 관련 연구 8
제1절 이론적 배경 8
2.1.1 음악 선호도 모델 8
2.1.2 추천 시스템에서의 사용자 피드백 9
2.1.3 음악 추천 시스템의 평가 14
제2절 선행 연구 16
2.2.1 암시적 피드백을 활용한 추천 16
2.2.2 음악 재생율 관련 연구 19
제3장 연구 데이터 및 제안 특성 20
제1절 연구 데이터 21
3.1.1 LFM-1b 데이터셋 21
3.1.2 트랙 지속 시간 데이터 수집 22
제2절 제안 암시적 피드백 특성 24
3.2.1 재생율 및 가중 재생율의 정의 24
3.2.2 제안 특성 1: 누적 가중 재생율 25
3.2.3 제안 특성 2: 재생횟수-평균 가중 재생율 곱 26
제4장 사용자 평가 27
제1절 평가 과정 28
제2절 음악 선호도 모델 평가 30
4.2.1 평가 문항 1 30
4.2.2 평가 문항 2 32
제3절 음악 추천 알고리즘에서의 성능 평가 33
4.3.1 로지스틱 행렬 분해 알고리즘 34
4.3.2 데이터 샘플링 35
4.3.3 음악 추천 리스트 평가 방법 36
제5장 연구 결과 38
제1절 음악 선호도 모델 평가 결과 38
5.1.1 평가 문항 1 결과 38
5.1.2 평가 문항 2 결과 42
제2절 음악 추천 알고리즘에서의 성능 평가 결과 44
5.2.1 추천 곡 리스트 평가 결과 45
5.2.2 개별 추천 곡 평가 결과 47
제3절 결과 정리 및 고찰 54
5.3.1 선호도 모델과 추천 결과와의 관련성 55
5.3.2 음악 컨텐츠 소비 경향 차이에 따른 선호도 모델링 방식 57
제6장 결론 60
제1절 결론 및 연구 의의 60
제2절 연구의 한계 및 향후 연구 62

참고문헌 63
-
dc.formatapplication/pdf-
dc.format.extent1508646 bytes-
dc.format.mediumapplication/pdf-
dc.language.isoko-
dc.publisher서울대학교 대학원-
dc.subject음악 추천 시스템-
dc.subject협업적 필터링-
dc.subject음악 선호도-
dc.subject암시적 피드백-
dc.subject청취 기록-
dc.subject재생 횟수-
dc.subject재생율-
dc.subject.ddc004-
dc.title음악 재생율을 활용한 음악 추천 시스템에서의 암시적 피드백 특성 발굴 연구-
dc.title.alternativeExploiting music playrate in discovering implicit feedback features for music recommender systems-
dc.typeThesis-
dc.description.degreeMaster-
dc.contributor.affiliation융합과학기술대학원 융합과학부-
dc.date.awarded2018-02-
Appears in Collections:
Graduate School of Convergence Science and Technology (융합과학기술대학원)Dept. of Transdisciplinary Studies(융합과학부)Theses (Master's Degree_융합과학부)
Files in This Item:
  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse