추천시스템에서 분류함수에 의한 선호도 예측 평가에 관한 연구

A Study on the Evaluation of Prediction Performance by Using Classification Function in Recommender System

본 연구는 협력적 필터링 알고리즘을 이용한 추천시스템에서 고객의 선호도 예측을 위한 알고리즘 적용 이전에 고객 선호도 평가치의 패턴을 이용하여 예측 정확도에 대한 사전평가 효과에 대하여 연구하였다. 기존 연구에서는 선호도 예측 정확도가 낮을 것으로 예상되는 고객들을 분류하기 위한 조건을 정의하고 정의된 조건을 이용한 분류함수를 제시하였으며 통계적 검정을 통하여 분류고객들의 선호도 예측 정확도의 차이를 살펴보았다. 본 연구에서는 기존 연구에서 제시된 분류함수와 더불어 선호도 예측 정확도가 우수할 것으로 예상되는 고객을 분류하기 위하여 고객 선호도 평가치의 패턴을 이용한 조건을 정의하고 정의된 조건을 이용한 분류함수의 효과를 검정하였다. 연구결과를 통하여 고객이 상품에 대해 평가한 선호도 평가치의 패턴은 선호도 예측 정확도와 밀접한 관련이 있음을 알 수 있으며 선호도 예측 알고리즘 적용 이전에 고객의 선호도 평가 패턴을 이용하여 알고리즘을 보정할 수 있는 기초를 제공할 수 있을 것으로 기대된다.

This paper studies on the effect of pre-evaluation for the prediction accuracy using the rating patterns of each user in recommender system. This pre-evaluation process precedes the prediction steps through the collaborative filtering prediction algorithm. The classification function precursory suggested is defined by some conditions that are classifying the users who are expected to take low prediction accuracy. The difference of prediction accuracy from classified and non-classified groups are tested by statistical approach. In this study we propose another classification functions for classifying users who have the high prediction accuracy defined under some conditions from each user s rating pattern. for classifying users who have the high prediction accuracy and compare the classified results from each classification function. From the analysis of each function, we take statistically significant classification effects. There are close relationship between each user s rating pattern about items and prediction accuracy. it will expect that these functions will be the base on the improvement of prediction algorithm before applying prediction algorithm using each user s rating pattern.