사회연결망 연결정도 중심성을 활용한 신규고객 상품추천방법의 추천 정확성 향상 방안

Performance Improvement Methods for New Customer Recommendations using Degree Centrality of Social Network

웹 상품추천시스템에서 협력 필터링 기법이 가장 성공적으로 여러 분야에서 활용되고 있다. 협력 필터링 기법은 추천 대상고객과 가장 유사한 특성을 보이는 이웃고객의 구매정보를 활용하여 추천 대상고객을 위한 상품을 추천한다. 그러나 신규고객의 경우에는 시스템 내에 신규고객의 정보가 없어 이웃선정을 할 수 없어 상품추천을 할 수 없는 문제점이 있다. 이를 해결하기 위해 신규고객을 위해서는 베스트셀러 기반 상품추천이 일반적으로 활용되고 있으나 추천 정확도가 낮은 것으로 알려져 있다. 최근 신규고객 추천 성능을 향상하기 위해 사회연결망의 연결정도 중심성 개념을 활용한 연구가 제시되었다. 상관계수를 이용 기존 고객들의 유사성을 측정하여 연결망을 구성하고 연결망 내에서 가장 중심성이 높은 고객들을 선별한 후 이들의 구매 정보를 활용하여 신규고객에게 상품추천을 하게 된다. 이 연구에서는 사회연결망을 구성 시에 가중화된 유클리디언 거리를 활용하는 방안에 대해 제안하고 영화추천데이터를 활용한 실험을 통해 검증한다. 실험결과 제안된 방안이 신규고객을 위한 상품 추천 정확도를 다소 높임을 보였다.

Collaborative filtering has been applied to many areas for Web recommendations. It has a critical problem to new customer recommendations because it cannot use purchase information of the new customers to select neighbors. Best seller method has been used to recommend products for the new customers, but it has been known that it has poor recommendation performance. Recently, some researches has been presented to improve the performance using degree centrality concept of social networks. The method constructs customer networks with similarity of current customers using correlation coefficient, selects neighbors according to their centrality, generates a list of the most likelihood products that can be purchased by the new customers, and recommends them. This study proposes an performance improvement method using weighted Euclidean distance method to construct the social networks. In experimental results using Movielens dataset, we knew the proposed method was better than best seller method or correlation method in case of using degree centrality of the social networks.