제한볼츠만머신을 이용한 추천시스템 소개 및 자료분석

Abstract

초기의 추천시스템은 전반적인 매출의 실태를 이용하여 사용자에게 상품을 추천하였다. 전체평균에 의존한 추천은 개인의 개성과 상품의 특성을 반영하지 못하기 때문에 매출상승을 위한 도구로 효율이 떨어지기 마련이다. 이러한 문제를 해결하기 위해서, 등장한 협업필터링(CF:Collaborative Filtering) 방법은 사용자 기반 방법(User based CF)과 상품 기반 방법(Item based CF)으로 사용자에게 새로운 상품을 추천한다. 그러나 사용자-상품 행렬의 희소성(sparse) 문제로 정확한 상품 추천이 어렵다는 한계점을 가진다. 이때, 기계학습(Machine Learning)을 위해 사용되는 모형으로, 비지도학습(Unsupervised Learning)의 한 종류인 제한볼츠만머신(Restricted Boltzmann Machines)을 적용하여 상품 추천 능력을 향상 시킬 수 있다. 본 논문에서는 제한볼츠만머신을 이용한 협업필터링방법 알고리즘을 소개하고 실제 한국 영화 평점 자료를 이용해 분석 및 적용해본다.