고객과 이웃고객이 공통으로 평가한 응답이 예측오차에 미치는 영향

The Effect of the Common Evaluation of Customers and Neighbors on the Predictive Error

이웃기반의 협력적 필터링은 고객에게 상품을 추천하는 추천시스템을 구축하기 위한 알고리즘으로, 상품에 평가한 고객들 간의 선호도 유사성을 사용하여 고객이 비구매한 상품들의 선호도를 예측한다. 이 알고리즘의 선호도 예측정확도는 고객이 상품에 평가한 선호도의 개수, 동일한 상품을 평가한 이웃고객의 수, 이웃고객과 동일한 상품에 평가한 선호도의 개수 등에 영향을 받는 것으로 알려져 있다. 본 연구의 목적은 고객이 선호도에 평가한 상품의 유사성이 알고리즘의 예측정확도에 미치는 영향을 분석하여, 추천시스템의 성능을 향상시키는데 있다. 연구진행을 위해 고객이 응답한 선호도의 개수와 이웃고객과 동일한 상품에 응답한 선호도의 개수를 사용하여, 그들 간에 응답한 상품의 유사성을 계산하였다. 그리고 그 계산된 유사성을 3그룹으로 분류하여 예측정확도에 차이가 있는지 분산분석하고, 응답한 상품의 유사성이 높은 이웃고객을 고려한 경우가 고려하지 않은 경우의 선호도 예측정확도에 영향을 주는지 분석하기 위해 Wilcoxon 부호순위검정을 시행하였다. 그 결과, 응답한 상품의 유사성이 높은 그룹일수록 오차, MAE, RMSE가 낮은 경향을 보였으며, 유사성이 높은 이웃고객을 고려하여 고객의 선호도를 예측하면 MAE, RMSE를 낮게 변동시키는 것으로 나타났다.

Neighborhood-based collaborative filtering is an algorithm for building a recommendation system that recommends products to customers. It predicts the preference of products that customers do not purchase by using similarity of preference among customers who evaluate them. The accuracy of the algorithm’s preference prediction is known to be influenced by the number of preferences, neighbors and response pairs. The purpose of this study is to improve predictive accuracy by analyzing the impact of customer-selected product similarities. We calculated the similarity of the selected products between customers by using the number of preferences evaluated by the customer and the number of preferences evaluated on the same product as the neighboring customers for the research. As a result, the higher the similarity of the products that customers responded, the lower the error, MAE, and RMSE. It was found that the MAE and RMSE were lower fluctuated by predicting the customer s preference considering the neighbors who have a high similarity with the products that customers responded.