하이브리드 필터링 기반 개인화된 추천 프레임워크의 개발 및 적용

Abstract

개인화는 정보화 시대의 정보과잉 속에서 선택의 문제를 해결하는데 도움을 준다. 다시 말하자면 개인화 서비스는 개인의 필요와 목적, 지식, 흥미 또는 상황에 따라 개인별로 다른 정보를 제공함으로써 개인의 시간과 노력의 낭비를 줄이고, 만족감을 얻어낸다. 그러므로 개인화 서비스를 다양한 분야에 적용하면 다음과 같은 긍정적인 효과를 볼 수 있다. 교육에 있어 학습자에게 제공되는 개인화 서비스의 경우에는 학습자 중심의 학습을 제공한다. 이는 학습자의 학습에 대한 결정 동기를 고무시켜 주고, 그에 따라 학업성취에 긍정적인 결과를 가져온다. 또한 기업이 고객을 대상으로 하는 개인화 서비스의 경우에는 고객의 충성도를 높여 재방문과 이용률을 향상시키고 수익을 창출하는 계기가 된다. 그러나 개인화 서비스를 제공하는 입장에서는 방대한 자료를 선별하고, 시스템을 구축하기 위해 많은 시간과 노력을 투자해야 한다. 또한 개인화를 시도하는 대상 아이템의 변화에 맞춰 상응하는 시스템을 구축하려면 비슷한 투자가 반복되어야 한다. 따라서 본 논문에서는 대상 아이템의 변화에 관계없이 재사용이 가능한 개인화된 서비스를 지원하는 '하이브리드 필터링 기반 개인화된 추천 프레임워크'를 제안한다. 제안된 프레임워크는 각 아이템별로 구조화된 속성들을 가지고 사용자의 선호정보에 따라 개인화된 정보를 제공한다. 이를 위해 본 연구는 기존의 개인화 관련 시스템들을 분석하고, 요소 기술들을 이용하여 프레임워크를 개발한다. 그리고 제안된 프레임워크의 적용으로 개인화된 수강과목 추천 시스템과 개인화된 관광지 추천 시스템을 설계하고 구현하였다. 그리고 적용 시스템과 프레임워크의 성능을 평가하고 분석하여 본 프레임워크의 우수성을 보인다.

Personalization breaks down the abundance of information in today's society and effectively allows users to obtain information that is corresponded to their needs, goals, knowledge, interests or other characteristics. Thus, personalized service reduces lost time and effort and increases satisfaction. As it creates a positive effect, personalized service can be applied to various practices. In education, the target is students and provides for learner-centered curriculum. This encourages a learner to become active in the learning process and become a better scholar. In business, it allows companies to personalize their targeting of customers and increasing customer loyalty, as reflected in the revisiting rates and program reusability. However, in personalized services, the provider puts in a lot of time and effort to classify a large amount of data and build up the system. This process must be repeated often as the focus of the personalized service changes and must be adapted into the system. Therefore, this thesis proposes a framework for personalized service that can be reused regardless of the targeted item. The proposed framework provides personalized information according to user preferences with structured attributes for each item. To achieve this solution, this thesis analyzes the existing system concerning personalization as well as the framework design and suggests theapplication of key technologies. In applying this framework, there are two suggested applications: one detailing a personalized subject recommender system for lectures and another presenting a personalized tourist recommender system. Each of these systems is evaluated performances using hit-ratio statistics. Overall, the proposed framework shows a good performance for these personalized service applications.