신상품 추천을 위한 사회연결망의 구조적 공백 활용 방안

Structural Holes Method in Social Networks for New Product Recommendations

상품추천시스템에서 협업 필터링은 가장 성공적으로 여러 분야에서 활용되고 있다. 협업 필터링이 가지는 근본적인 문제 중의 하나는 신상품 추천의 어려움이다. 협업 필터링은 개별 고객과 가장 유사한 성향을 보이는 이웃고객의 구매정보를 활용하여 상품을 추천한다. 그러나 신상품의 경우 시스템 내의 어느 고객도 구매 정보를 가지고 있지 못함으로 신상품 추천을 할 수 없는 문제점이 있다. 이를 해결하기 위해 제시된 방안은 신상품과 가장 유사한 특성을 갖는 기존 상품을 선별하여 추천하는 내용기반 필터링과 협업 필터링을 결합하는 하이브리드 방안이다. 내용기반 필터링은 상품 간 특성 비교를 위해 추가적인 정보를 필요로 하나 이를 얻는 것이 어려운 많은 상황이 존재한다. 최근 구매정보 외에 추가적인 정보 없이 신상품을 추천하는 사회연결망 연결정도 중심성 방안이 제시되었다. 이 연구에서는 사회연결망의 구조적 공백을 활용한 신상품 추천 방안을 제시한다. 제시한 방안의 성능 평가를 위해 영화추천 데이터를 이용하여 실험하고 검증한다. 실험결과 제시된 방안은 연결정도 중심성 방안에 비해 추천 적중률이 높음을 보였다. 또한 가장 많이 산 고객을 선정하여 신상품을 추천하는 방안과 결합하는 경우에도 구조적 공백의 활용이 실험에서도 추천 적중률을 높일 수 있음을 보였다.

Collaborative filtering has been applied to many areas for product recommendations. It recommends products for a customer using purchase information of other customers. It has a critical problem to new product recommendations because any customers don’t have the information about the new products. In order to solve the problem, many researchers proposed hybrid systems which is combined of collaborative filtering and content-based filtering. Content-based filtering recommends products whose characteristics are similar to those of products that target customer prefers. It requires additive information about the products to compare the similarity between them, but there are many areas that cannot get additive information. Recently, a new method was proposed using degree centrality of social networks. It don’t require additive information about the products. This study proposes another method using structural holes of the social networks. In experimental results using Movielens dataset, the proposed method was better in recommendation performance than the degree centrality of the social networks. It also was shown higher performance than a general method which recommends new products to customers purchased many products until now.