KR101507328B1 - 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법 - Google Patents

협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법 Download PDF

Info

Publication number
KR101507328B1
KR101507328B1 KR1020140027865A KR20140027865A KR101507328B1 KR 101507328 B1 KR101507328 B1 KR 101507328B1 KR 1020140027865 A KR1020140027865 A KR 1020140027865A KR 20140027865 A KR20140027865 A KR 20140027865A KR 101507328 B1 KR101507328 B1 KR 101507328B1
Authority
KR
South Korea
Prior art keywords
user
item
similar
evaluation
similarity
Prior art date
Application number
KR1020140027865A
Other languages
English (en)
Inventor
이오준
이재동
김승훈
이원진
박승보
홍민성
박세준
Original Assignee
단국대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 단국대학교 산학협력단 filed Critical 단국대학교 산학협력단
Priority to KR1020140027865A priority Critical patent/KR101507328B1/ko
Application granted granted Critical
Publication of KR101507328B1 publication Critical patent/KR101507328B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0278—Product appraisal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Abstract

사용자와 유사한 사용자들의 특정 아이템에 대한 피드백과, 특정 아이템과 유사한 아이템들에 대한 사용자의 피드백에 서로 다른 가중치를 부여하여 조합함으로써 사용자의 특정 아이템에 대한 피드백을 예측하는 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법이 개시된다. 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치는, 특정 아이템에 대한 사용자의 피드백을 예측하는 사용자 피드백 예측 장치에 있어서, 상기 특정 아이템과 유사한 유사 아이템의 집합을 생성하는 유사 아이템 집합 생성부, 상기 사용자와 유사한 유사 사용자의 집합을 생성하는 유사 사용자 집합 생성부 및 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수와, 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수에 가중치를 부여하여 조합함으로써 상기 사용자의 특정 아이템에 대한 피드백을 예측하는 피드백 예측부를 포함한다.

Description

협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법{APPARATUS AND METHOD FOR PREDICTING USER FEED BACK IN COLLABORATIVE RECOMMENDATION SYSTEM}
본 발명은, 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법 가시광 통신 장치 및 방법에 관한 것이다. 더욱 상세하게는 본 발명은 사용자와 유사한 사용자들의 특정 아이템에 대한 피드백과, 특정 아이템과 유사한 아이템들에 대한 사용자의 피드백에 서로 다른 가중치를 부여하여 조합함으로써 사용자의 특정 아이템에 대한 피드백을 예측하는 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법에 관한 것이다.
인터넷의 진화는 결과적으로 사용자가 접하는 상품과 콘텐츠의 폭발적인 증가를 가져왔다. 방대한 양의 상품과 콘텐츠로 인해, 사용자들은 오히려 원하는 상품이나 콘텐츠를 찾거나 구매하기가 더욱 어려워졌다.
이에 따라 사용자들에게 적절한 상품을 제공하고 사용자들의 의사 결정을 지원하는 추천 시스템의 중요성은 점점 더 높아지고 있다. 사용자의 입맛에 맞는 상품을 제공하는 개인화된 맞춤형 추천 시스템은 사용자의 만족도와 고객 충성도를 향상 시킬 수 있을 뿐만 아니라, 전자 소매상들의 이윤을 크게 증가시킨다.
아마존, 구글, 넷플릭스, 티보, 그리고 야후와 같은 인터넷 시장의 선도 기업들은 개인화된 추천이 가능한 맞춤형 상품 추천 엔진을 이미 운용하고 있다.
추천 시스템은 '사람들이 추천을 제공하며 시스템이 통합하여 적당한 사람에게 보여준다.' 고 정의되어 있다. 추천 시스템은 사용자에게 사용자가 선호하는 콘텐츠 또는 정보를 제공해주는 시스템으로써, 인터넷의 음악, 영화 사이트의 콘텐츠 추천, 인터넷 쇼핑몰에서의 상품 추천 등에 널리 이용되고 있다.
추천 시스템의 초기 방식은 사용자의 사용 순위 중에서 상위에 위치한 콘텐츠 혹은 조회수가 높은 콘텐츠를 추천해주는 방식이었다. 그러나 이러한 방식은 개개인의 취향이나 특성을 고려하지 않았기 때문에 추천에 대한 사용자들의 만족도가 높지 않았다.
또한, 종래 추천 시스템에서는 사용자 지향의 피드백 예측과 아이템 지향의 예측 방법 중의 하나만을 이용하거나, 둘 모두를 이용하더라도 둘을 합산하는데 있어서 동적으로 합산되는 것이 아니라 고정된 임의의 방법을 사용하였기 때문에 신뢰성이 떨어지는 문제점이 있다.
따라서, 사용자의 특정 아이템에 대한 피드백을 예측함에 있어서, 사용자와 유사한 사용자들의 특정 아이템에 대한 피드백과, 특정 아이템과 유사한 아이템들에 대한 사용자의 피드백에 서로 다른 가중치를 부여하여 조합함으로써 더욱 신뢰성 있는 사용자 피드백 예측 장치 및 방법이 필요한 실정이다. 관련 기술로는 한국공개특허 제2014-0010679호가 존재한다.
본 발명의 목적은, 상기 문제점을 해결하기 위한 것으로, 사용자 지향 기반 및 아이템 지향 기반으로 구성되는 복합 데이터를 기초로 사용자의 특정 아이템에 대한 피드백을 정확하게 예측하는 것을 가능케 하는 것이다.
또한, 본 발명의 목적은, 사용자 지향 기반으로 생성된 예측 데이터와 아이템 지향 기반으로 생성된 예측 데이터 각각의 신뢰도를 고려하여 서로 다른 가중치를 부여하여 조합함으로써 사용자의 특정 아이템에 대한 피드백을 정확하게 예측하는 것을 가능케 하는 것이다.
상기한 목적을 달성하기 위한 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치는, 특정 아이템에 대한 사용자의 피드백을 예측하는 사용자 피드백 예측 장치에 있어서, 상기 특정 아이템과 유사한 유사 아이템의 집합을 생성하는 유사 아이템 집합 생성부, 상기 사용자와 유사한 유사 사용자의 집합을 생성하는 유사 사용자 집합 생성부 및 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수와, 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수에 가중치를 부여하여 조합함으로써 상기 사용자의 특정 아이템에 대한 피드백을 예측하는 피드백 예측부를 포함한다.
이 때, 상기 유사 아이템 집합 생성부는, 아이템 간의 유사도를 기반으로 아이템 유사도 데이터를 생성하는 아이템 유사도 데이터 생성부, 상기 특정 아이템의 이웃들을 대표하기 위한 K개의 유사 아이템을 선택하는 유사 아이템 선택부 및 선택된 유사 아이템의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 아이템 기반 평가 점수를 예측하는 유사 아이템 기반 평가 점수 예측부를 포함할 수 있다.
이 때, 상기 아이템 유사도 데이터 생성부는,
Figure 112014023103008-pat00001
을 통하여 상기 아이템 간의 유사도에 대한 가중치를 산출하되, 상기
Figure 112014023103008-pat00002
는 상기 아이템 간의 유사도에 대한 가중치를 의미하고, 상기 i 및 상기 j는 각각 아이템을 의미하고, 상기 U는 상기 i 및 상기 j에 대하여 평가한 경험이 있는 사용자 집합을 의미하고, 상기
Figure 112014023103008-pat00003
는 사용자 u의 아이템 i에 대한 평가이고, 상기
Figure 112014023103008-pat00004
는 사용자 u의 아이템 j에 대한 평가이며, 상기
Figure 112014023103008-pat00005
는 사용자 집합 U의 아이템 i에 대한 평가의 평균이며, 상기
Figure 112014023103008-pat00006
는 사용자 집합 U의 아이템 j에 대한 평가의 평균일 수 있다.
이 때, 상기 유사 아이템 선택부는, 사용자 a의 아이템 m에 대한 평가가 누락된 경우에 있어서, 상기 아이템 유사도 데이터를 기반으로 상기 아이템 m과 가장 유사도가 높은 k개의 아이템을 선택할 수 있다.
이 때, 상기 유사 아이템 기반 평가 점수 예측부는,
Figure 112014023103008-pat00007
을 통하여, 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 예측하되, 상기
Figure 112014023103008-pat00008
은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00009
는 상기 아이템 m과 아이템 k 간의 유사도에 대한 가중치를 의미하고, 상기
Figure 112014023103008-pat00010
는 상기 사용자 a의 상기 아이템 k에 대한 평가를 의미할 수 있다.
이 때, 상기 유사 사용자 집합 생성부는, 사용자 간의 유사도를 기반으로 사용자 유사도 데이터를 생성하는 사용자 유사도 데이터 생성부, 상기 사용자의 이웃들을 대표하기 위한 K개의 유사 사용자를 선택하는 유사 사용자 선택부 및 선택된 유사 사용자의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 사용자 기반 평가 점수를 예측하는 유사 사용자 기반 평가 점수 예측부를 포함할 수 있다.
이 때, 상기 사용자 유사도 데이터 생성부는,
Figure 112014023103008-pat00011
을 통하여 상기 사용자 간의 유사도에 대한 가중치를 산출하되, 상기
Figure 112014023103008-pat00012
는 상기 사용자 간의 유사도에 대한 가중치를 의미하고, 상기 a 및 상기 u는 각각 사용자를 의미하고, 상기 I는 사용자 a와 사용자 u 모두에 의해 평가된 이력이 있는 아이템들의 집합을 의미하고, 상기
Figure 112014023103008-pat00013
는 사용자 u의 아이템 i에 대한 평가이며, 상기
Figure 112014023103008-pat00014
는 사용자 a의 아이템 i에 대한 평가이며,
Figure 112014023103008-pat00015
는 사용자 a의 아이템 집합 I에 대한 평가의 평균이며,
Figure 112014023103008-pat00016
는 사용자 u의 아이템 집합 I에 대한 평가의 평균을 의미할 수 있다.
이 때, 상기 유사 사용자 선택부는, 사용자 a의 아이템 m에 대한 평가가 누락된 경우에 있어서, 상기 사용자 유사도 데이터를 기반으로 상기 사용자 a와 가장 유사도가 높은 k개의 사용자를 선택할 수 있다.
이 때, 상기 유사 사용자 기반 평가 점수 예측부는,
Figure 112014023103008-pat00017
을 통하여 누락된 상기 사용자a의 아이템에 대한 평가 점수를 예측하되 상기
Figure 112014023103008-pat00018
은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00019
는 상기 사용자 a와 사용자 k 간의 유사도에 대한 가중치를 의미하고, 상기
Figure 112014023103008-pat00020
는 상기 사용자 k의 상기 아이템 m에 대한 평가를 의미하고, 상기
Figure 112014023103008-pat00021
는 사용자 a의 아이템 집합 I에 대한 평가의 평균을 의미할 수 있다.
이 때, 상기 피드백 예측부는,
Figure 112014023103008-pat00022
을 통하여 상기 사용자의 특정 아이템에 대한 피드백을 예측하되, 상기
Figure 112014023103008-pat00023
는 상기 사용자의 특정 아이템에 대한 피드백을 의미하고, 상기
Figure 112014023103008-pat00024
는 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00025
는 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00026
는 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수와 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수의 가중치를 의미할 수 있다.
이 때, 상기
Figure 112014023103008-pat00027
는,
Figure 112014023103008-pat00028
을 통하여 산출하되, 상기
Figure 112014023103008-pat00029
는 사용자 a에 대한 유사 사용자 집합을 의미하고, 상기
Figure 112014023103008-pat00030
는 아이템 m에 대한 유사 아이템 집합을 의미하고, 상기
Figure 112014023103008-pat00031
는 상기 유사 사용자 집합의 표준 편차를 의미하고, 상기
Figure 112014023103008-pat00032
는 상기 유사 아이템 집합의 표준 편차를 의미할 수 있다.
또한, 상기한 목적을 달성하기 위한 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 방법은, 특정 아이템에 대한 사용자의 피드백을 예측하는 사용자 피드백 예측 방법에 있어서, 유사 아이템 집합 생성부에 의하여, 상기 특정 아이템과 유사한 유사 아이템의 집합을 생성하는 유사 아이템 집합 생성 단계, 유사 사용자 집합 생성부에 의하여, 상기 사용자와 유사한 유사 사용자의 집합을 생성하는 유사 사용자 집합 생성 단계 및 피드백 예측부에 의하여, 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수와, 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수에 가중치를 부여하여 조합함으로써 상기 사용자의 특정 아이템에 대한 피드백을 예측하는 피드백 예측 단계를 포함한다.
이 때, 상기 유사 아이템 집합 생성 단계는, 아이템 유사도 데이터 생성부에 의하여, 아이템 간의 유사도를 기반으로 아이템 유사도 데이터를 생성하는 아이템 유사도 데이터 생성 단계, 유사 아이템 선택부에 의하여, 상기 특정 아이템의 이웃들을 대표하기 위한 K개의 유사 아이템을 선택하는 유사 아이템 선택 단계 및 유사 아이템 기반 평가 점수 예측부에 의하여, 선택된 유사 아이템의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 아이템 기반 평가 점수를 예측하는 유사 아이템 기반 평가 점수 예측 단계를 포함할 수 있다.
이 때, 상기 아이템 유사도 데이터 생성 단계는,
Figure 112014023103008-pat00033
을 통하여 상기 아이템 간의 유사도에 대한 가중치를 산출하되, 상기
Figure 112014023103008-pat00034
는 상기 아이템 간의 유사도에 대한 가중치를 의미하고, 상기 i 및 상기 j는 각각 아이템을 의미하고, 상기 U는 상기 i 및 상기 j에 대하여 평가한 경험이 있는 사용자 집합을 의미하고, 상기
Figure 112014023103008-pat00035
는 사용자 u의 아이템 i에 대한 평가이고, 상기
Figure 112014023103008-pat00036
는 사용자 u의 아이템 j에 대한 평가이며, 상기
Figure 112014023103008-pat00037
는 사용자 집합 U의 아이템 i에 대한 평가의 평균이며, 상기
Figure 112014023103008-pat00038
는 사용자 집합 U의 아이템 j에 대한 평가의 평균일 수 있다.
이 때, 상기 유사 아이템 선택 단계는, 사용자 a의 아이템 m에 대한 평가가 누락된 경우에 있어서, 상기 아이템 유사도 데이터를 기반으로 상기 아이템 m과 가장 유사도가 높은 k개의 아이템을 선택할 수 있다.
이 때, 상기 유사 아이템 기반 평가 점수 예측 단계는,
Figure 112014023103008-pat00039
을 통하여, 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 예측하되, 상기
Figure 112014023103008-pat00040
은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00041
는 상기 아이템 m과 아이템 k 간의 유사도에 대한 가중치를 의미하고, 상기
Figure 112014023103008-pat00042
는 상기 사용자 a의 상기 아이템 k에 대한 평가를 의미할 수 있다.
이 때, 상기 유사 사용자 집합 생성 단계는, 사용자 유사도 데이터 생성부에 의하여, 사용자 간의 유사도를 기반으로 사용자 유사도 데이터를 생성하는 사용자 유사도 데이터 생성 단계, 유사 사용자 선택부에 의하여, 상기 사용자의 이웃들을 대표하기 위한 K개의 유사 사용자를 선택하는 유사 사용자 선택 단계 및 유사 사용자 기반 평가 점수 예측부에 의하여, 선택된 유사 사용자의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 사용자 기반 평가 점수를 예측하는 유사 사용자 기반 평가 점수 예측 단계를 포함할 수 있다.
이 때, 상기 사용자 유사도 데이터 생성 단계는,
Figure 112014023103008-pat00043
을 통하여 상기 사용자 간의 유사도에 대한 가중치를 산출하되, 상기
Figure 112014023103008-pat00044
는 상기 사용자 간의 유사도에 대한 가중치를 의미하고, 상기 a 및 상기 u는 각각 사용자를 의미하고, 상기 I는 사용자 a와 사용자 u 모두에 의해 평가된 이력이 있는 아이템들의 집합을 의미하고, 상기
Figure 112014023103008-pat00045
는 사용자 u의 아이템 i에 대한 평가이며, 상기
Figure 112014023103008-pat00046
는 사용자 a의 아이템 i에 대한 평가이며,
Figure 112014023103008-pat00047
는 사용자 a의 아이템 집합 I에 대한 평가의 평균이며,
Figure 112014023103008-pat00048
는 사용자 u의 아이템 집합 I에 대한 평가의 평균을 의미할 수 있다.
이 때, 상기 유사 사용자 선택 단계는, 사용자 a의 아이템 m에 대한 평가가 누락된 경우에 있어서, 상기 사용자 유사도 데이터를 기반으로 상기 사용자 a와 가장 유사도가 높은 k개의 사용자를 선택할 수 있다.
이 때, 상기 유사 사용자 기반 평가 점수 예측 단계는,
Figure 112014023103008-pat00049
을 통하여 누락된 상기 사용자a의 아이템에 대한 평가 점수를 예측하되 상기
Figure 112014023103008-pat00050
은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00051
는 상기 사용자 a와 사용자 k 간의 유사도에 대한 가중치를 의미하고, 상기
Figure 112014023103008-pat00052
는 상기 사용자 k의 상기 아이템 m에 대한 평가를 의미하고, 상기
Figure 112014023103008-pat00053
는 사용자 a의 아이템 집합 I에 대한 평가의 평균을 의미할 수 있다.
이 때, 상기 피드백 예측 단계는,
Figure 112014023103008-pat00054
을 통하여 상기 사용자의 특정 아이템에 대한 피드백을 예측하되, 상기
Figure 112014023103008-pat00055
는 상기 사용자의 특정 아이템에 대한 피드백을 의미하고, 상기
Figure 112014023103008-pat00056
는 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00057
는 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00058
는 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수와 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수의 가중치를 의미할 수 있다.
이 때, 상기
Figure 112014023103008-pat00059
는,
Figure 112014023103008-pat00060
을 통하여 산출하되, 상기
Figure 112014023103008-pat00061
는 사용자 a에 대한 유사 사용자 집합을 의미하고, 상기
Figure 112014023103008-pat00062
는 아이템 m에 대한 유사 아이템 집합을 의미하고, 상기
Figure 112014023103008-pat00063
는 상기 유사 사용자 집합의 표준 편차를 의미하고, 상기
Figure 112014023103008-pat00064
는 상기 유사 아이템 집합의 표준 편차를 의미할 수 있다.
본 발명에 의하면, 사용자 지향 기반 및 아이템 지향 기반으로 구성되는 복합 데이터를 기초로 사용자의 특정 아이템에 대한 피드백을 정확하게 예측할 수 있는 효과가 있다.
또한, 본 발명에 의하면, 사용자 지향 기반으로 생성된 예측 데이터와 아이템 지향 기반으로 생성된 예측 데이터 각각의 신뢰도를 고려하여 서로 다른 가중치를 부여하여 조합함으로써 사용자의 특정 아이템에 대한 피드백을 정확하게 예측할 수 있는 효과가 있다.
도 1은 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치의 블록도이다.
도 2는 본 발명에 따른 협업 추천 시스템에서의 유사 아이템 집합 생성부의 실시예를 설명하기 위한 도면이다.
도 3은 본 발명에 따른 협업 추천 시스템에서의 유사 사용자 집합 생성부의 실시예를 설명하기 위한 도면이다.
도 4는 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 방법의 플로우챠트이다.
도 5는 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 방법의 특정 아이템과 유사한 유사 아이템의 집합을 생성하는 실시예를 설명하기 위한 플로우챠트이다.
도 6은 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 방법의 사용자와 유사한 유사 사용자의 집합을 생성하는 실시예를 설명하기 위한 플로우챠트이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다거나 "직접 접속되어"있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
이하, 도면을 참조하여 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치에 대하여 설명하도록 한다.
도 1은 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치의 블록도이다. 도 2는 본 발명에 따른 협업 추천 시스템에서의 유사 아이템 집합 생성부의 실시예를 설명하기 위한 도면이다. 도 3은 본 발명에 따른 협업 추천 시스템에서의 유사 사용자 집합 생성부의 실시예를 설명하기 위한 도면이다.
도 1을 참조하여 설명하면, 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치(100)는 유사 아이템 집합 생성부(110), 유사 사용자 집합 생성부(120) 및 피드백 예측부(130)을 포함하여 구성됨을 확인할 수 있다.
보다 구체적으로, 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치(100)는, 특정 아이템에 대한 사용자의 피드백을 예측하는 사용자 피드백 예측 장치에 있어서, 상기 특정 아이템과 유사한 유사 아이템의 집합을 생성하는 유사 아이템 집합 생성부(110), 상기 사용자와 유사한 유사 사용자의 집합을 생성하는 유사 사용자 집합 생성부(120) 및 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수와, 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수에 가중치를 부여하여 조합함으로써 상기 사용자의 특정 아이템에 대한 피드백을 예측하는 피드백 예측부(130)를 포함한다.
상기 유사 아이템 집합 생성부(110)는, 상기 특정 아이템과 유사한 유사 아이템의 집합을 생성하는 기능을 수행한다.
도 2를 참조하면, 상기 유사 아이템 집합 생성부(110)는 아이템 유사도 데이터 생성부(111), 유사 아이템 선택부(112) 및 유사 아이템 기반 평가 점수 예측부(113)을 포함하여 구성된다.
구체적으로, 상기 아이템 유사도 데이터 생성부(111)는 아이템 간의 유사도를 기반으로 아이템 유사도 데이터를 생성하는 기능을 수행한다. 즉, 서로 다른 두 아이템 사이의 유사도를 계산하고 아이템 유사도에 관한 데이터(표)를 생성할 수 있는 것이다
이 때, 상기 아이템 유사도 데이터 생성부(111)는 아래와 같은 수학식1을 통하여 상기 아이템 간의 유사도에 대한 가중치를 산출할 수 있다.
Figure 112014023103008-pat00065
상기 수학식 1에서 상기
Figure 112014023103008-pat00066
는 상기 아이템 간의 유사도에 대한 가중치를 의미하고, 상기 i 및 상기 j는 각각 아이템을 의미하고, 상기 U는 상기 i 및 상기 j에 대하여 평가한 경험이 있는 사용자 집합을 의미하고, 상기
Figure 112014023103008-pat00067
는 사용자 u의 아이템 i에 대한 평가이고, 상기
Figure 112014023103008-pat00068
는 사용자 u의 아이템 j에 대한 평가이며, 상기
Figure 112014023103008-pat00069
는 사용자 집합 U의 아이템 i에 대한 평가의 평균이며, 상기
Figure 112014023103008-pat00070
는 사용자 집합 U의 아이템 j에 대한 평가의 평균을 의미한다.
본 명세서에서 평가 또는 평가 점수라는 의미는 사용자의 피드백에 대한 의미를 통칭하는 개념으로 이해되어야 한다.
또한, 상기 유사 아이템 선택부(112)는, 상기 특정 아이템의 이웃들을 대표하기 위한 K개의 유사 아이템을 선택하는 기능을 수행한다.
예컨대 만약 사용자a의 아이템 m에 대한 평가가 빠져 있는 경우에 있어서, 아이템 m과 가장 유사도가 높은 K개의 아이템을 상기 아이템 유사도 데이터를 기반으로 선택하게 되는 것이다.
상기 유사 아이템 기반 평가 점수 예측부(113)는, 선택된 유사 아이템의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 아이템 기반 평가 점수를 예측하는 기능을 수행한다.
즉, 상기 유사 아이템 선택부(112)에 의하여 선택된 유사 아이템의 평가 점수의 가중치 조합으로 누락된 아이템에 대한 평가 점수를 예측하는 것으로서 유사 아이템 기반의 예측 방법이다.
구체적으로, 상기 유사 아이템 기반 평가 점수 예측부(113)는 아래와 같은 수학식 2를 통하여 누락된 평가 점수인 유사 아이템 기반 평가 점수를 예측하게 된다.
Figure 112014023103008-pat00071
상기 수학식 2에서, 상기
Figure 112014023103008-pat00072
은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00073
는 상기 아이템 m과 아이템 k 간의 유사도에 대한 가중치를 의미하고, 상기
Figure 112014023103008-pat00074
는 상기 사용자 a의 상기 아이템 k에 대한 평가를 의미한다.
상기 유사 사용자 집합 생성부(120)는, 상기 사용자와 유사한 사용자의 집합을 생성하는 기능을 수행한다.
도 3을 참조하면, 상기 유사 사용자 집합 생성부(120)는, 사용자 유사도 데이터 생성부(121), 유사 사용자 선택부(122) 및 유사 사용자 기반 평가 점수 예측부(123)을 포함하여 구성된다.
구체적으로, 상기 사용자 유사도 데이터 생성부(121)는 사용자 간의 유사도를 기반으로 사용자 유사도 데이터를 생성하는 기능을 수행한다. 즉, 서로 다른 두 사용자 사이의 유사도를 계산하고 아이템 유사도에 관한 데이터(표)를 생성할 수 있는 것이다.
이 때, 상기 사용자 유사도 데이터 생성부(121)는 아래와 같은 수학식 3을 통하여 상기 사용자 간의 유사도에 대한 가중치를 산출할 수 있다.
Figure 112014023103008-pat00075
상기 수학식 3에서, 상기
Figure 112014023103008-pat00076
는 상기 사용자 간의 유사도에 대한 가중치를 의미하고, 상기 a 및 상기 u는 각각 사용자를 의미하고, 상기 I는 사용자 a와 사용자 u 모두에 의해 평가된 이력이 있는 아이템들의 집합을 의미하고, 상기
Figure 112014023103008-pat00077
는 사용자 u의 아이템 i에 대한 평가이며, 상기
Figure 112014023103008-pat00078
는 사용자 a의 아이템 i에 대한 평가이며,
Figure 112014023103008-pat00079
는 사용자 a의 아이템 집합 I에 대한 평가의 평균이며,
Figure 112014023103008-pat00080
는 사용자 u의 아이템 집합 I에 대한 평가의 평균을 의미한다.
또한, 상기 유사 사용자 선택부(122)는 상기 사용자의 이웃들을 대표하기 위한 K개의 유사 사용자를 선택하는 기능을 수행한다.
예컨대 사용자 a의 아이템 m에 대한 평가가 빠져있는 경우에 있어서, 사용자 a와 가장 유사도가 높은 K개의 사용자를 상기 사용자 유사도 데이터를 기반으로 선택하게 되는 것이다.
상기 유사 사용자 기반 평가 점수 예측부(123)는, 선택된 유사 사용자의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 사용자 기반 평가 점수를 예측하는 기능을 수행한다.
즉, 상기 유사 사용자 선택부(122)에 의하여 선택된 유사 사용자의 평가 점수의 가중치 조합으로 누락된 아이템에 대한 평가 점수를 예측하는 것으로서 유사 사용자 기반의 예측 방법이다.
구체적으로, 상기 유사 사용자 기반 평가 점수 예측부(123)는 아래와 같은 수학식 4를 통하여 누락된 평가 점수인 유사 아이템 기반 평가 점수를 예측하게 된다.
상기 수학식 4에서, 상기
Figure 112014023103008-pat00082
은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00083
는 상기 사용자 a와 사용자 k 간의 유사도에 대한 가중치를 의미하고, 상기
Figure 112014023103008-pat00084
는 상기 사용자 k의 상기 아이템 m에 대한 평가를 의미하고, 상기
Figure 112014023103008-pat00085
는 사용자 a의 아이템 집합 I에 대한 평가의 평균을 의미한다.
상기 피드백 예측부(130)는 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수와, 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수에 가중치를 부여하여 조합함으로써 상기 사용자의 특정 아이템에 대한 피드백을 예측하는 기능을 수행한다.
구체적으로, 상기 피드백 예측부(130)에서는 아래의 수학식 5를 통하여 상기 사용자의 특정 아이템에 대한 최종적인 피드백을 예측할 수 있게 된다.
Figure 112014023103008-pat00086
상기 수학식 5에서, 상기
Figure 112014023103008-pat00087
는 상기 사용자의 특정 아이템에 대한 피드백을 의미하고, 상기
Figure 112014023103008-pat00088
는 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00089
는 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
Figure 112014023103008-pat00090
는 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수와 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수의 가중치를 의미한다.
이 때, 상기
Figure 112014023103008-pat00091
는, 아래의 수학식 6을 통하여 산출할 수 있다.
Figure 112014023103008-pat00092
상기 수학식 6에서, 상기
Figure 112014023103008-pat00093
는 사용자 a에 대한 유사 사용자 집합을 의미하고, 상기
Figure 112014023103008-pat00094
는 아이템 m에 대한 유사 아이템 집합을 의미하고, 상기
Figure 112014023103008-pat00095
는 상기 유사 사용자 집합의 표준 편차를 의미하고, 상기
Figure 112014023103008-pat00096
는 상기 유사 아이템 집합의 표준 편차를 의미한다.
결과적으로, 사용자 a가 속한 군집을
Figure 112014023103008-pat00097
, 콘텐츠
Figure 112014023103008-pat00098
이 속한 군집을
Figure 112014023103008-pat00099
이라고 할 때, 사용자 a의 콘텐츠 m에 대한 선호도의 예측은 아래의 수학식 7과 같이 정리될 수 있다.
[수학식 7]
Figure 112014023103008-pat00100
상기 수학식 7에서
Figure 112014023103008-pat00101
과
Figure 112014023103008-pat00102
은 각각 사용자 a와 n의, 아이템 m과 l의 유사도 가중치를 의미하며, 상기 수학식 1과 상기 수학식 3을 통하여 구할 수 있다.
상기 살펴본 바와 같이, 종래의 기술로는 유사 아이템 또는 유사 사용자 중 하나만을 채택하여 누락된 사용자의 아이템에 대한 평가를 예측하거나, 유사 아이템 및 유사 사용자 모두를 기반으로 하여 누락된 사용자의 아이템에 대한 평가를 하되, 기정해진 가중치로 획일적으로 병합하는 기술이었는바 신뢰도가 떨어지는 문제가 있었다.
다만, 본 발명에서는 유사 아이템 및 유사 사용자 기반에 있어서 신뢰도를 기반으로 산정되는 서로 다른 가중치를 부여하여 조합함으로써 보다 정확하고 신뢰성이 있는 아이템 평가 예측을 수행할 수 있는 것이다.
이하, 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 방법에 대하여 설명하도록 한다. 상기 살펴본 바와 같이 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치와 중복되는 기술 내용에 대한 설명은 생략하도록 한다.
도 4는 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 방법의 플로우챠트이다. 도 5는 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 방법의 특정 아이템과 유사한 유사 아이템의 집합을 생성하는 실시예를 설명하기 위한 플로우챠트이다. 도 6은 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 방법의 사용자와 유사한 유사 사용자의 집합을 생성하는 실시예를 설명하기 위한 플로우챠트이다.
도 4를 참조하여 설명하면, 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 방법은, 특정 아이템과 유사한 유사 아이템의 집합을 생성(S100)한다.
이 후, 사용자와 유사한 유사 사용자의 집합을 생성(S110)한다.
그리고, 상기 유사 아이템의 집합 및 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수 각각에 가중치를 부여하여 조합함으로써 사용자의 특정 아이템에 대한 피드백을 예측(S120)함으로써 종료된다.
이 때, 상기 S100 단계의 실시예에 대하여 보다 구체적으로 설명하기 위해 도 5를 참조하면, 우선, 아이템 간의 유사도를 기반으로 아이템 유사도 데이터를 생성(S101)한다.
그리고, 특정 아이템의 이웃들을 대표하기 위한 K개의 유사 아이템을 선택(S102)한다.
이 후, 선택된 유사 아이템의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 아이템 기반 평가 점수를 예측(S103)하게 된다.
또한, 상기 S110 단계의 실시예에 대하여 보다 구체적으로 설명하기 위해 도 6을 참조하면, 우선, 사용자 간의 유사도를 기반으로 사용자 유사도 데이터를 생성(S111)한다.
그리고, 사용자의 이웃들을 대표하기 위한 K개의 유사 사용자를 선택(S112)한다.
이 후, 선택된 유사 사용자의 평가 점수의 가중치 조합을 기반으로 누적된 평가 점수인 유사 사용자 기반 평가 점수를 예측(S113)하게 된다.
상기 살펴본 바와 같이, 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치(100) 및 방법에 의하면, 사용자 지향 기반 및 아이템 지향 기반으로 구성되는 복합 데이터를 기초로 사용자의 특정 아이템에 대한 피드백을 정확하게 예측할 수 있는 장점이 있다. 보다 구체적으로는, 사용자 지향 기반으로 생성된 예측 데이터와 아이템 지향 기반으로 생성된 예측 데이터 각각의 신뢰도를 고려하여 서로 다른 가중치를 부여하여 조합함으로써 사용자의 특정 아이템에 대한 피드백을 정확하게 예측할 수 있는 장점이 있다.
이상에서와 같이 본 발명에 따른 협업 추천 시스템에서의 사용자 피드백 예측 장치(100) 및 방법은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
100: 사용자 피드백 예측 장치 110: 유사 아이템 집합 생성부
120: 유사 사용자 집합 생성부 130: 피드백 예측부
111: 아이템 유사도 데이터 생성부 112: 유사 아이템 선택부
113: 유사 아이템 기반 평가 점수 예측부
121: 사용자 유사도 데이터 생성부 122: 유사 사용자 선택부
123: 유사 사용자 기반 평가 점수 예측부

Claims (22)

  1. 특정 아이템에 대한 사용자의 피드백을 예측하는 사용자 피드백 예측 장치에 있어서,
    상기 특정 아이템에 대한 유사 아이템 집합을 생성하는 유사 아이템 집합 생성부;
    상기 사용자에 대한 유사 사용자 집합을 생성하는 유사 사용자 집합 생성부; 및
    상기 유사 아이템 집합을 기반으로 산출된 평가 점수와, 상기 유사 사용자 집합을 기반으로 산출된 평가 점수에 가중치를 부여하여 조합함으로써 상기 사용자의 특정 아이템에 대한 피드백을 예측하는 피드백 예측부를 포함하며,
    상기 유사 아이템 집합 생성부는,
    아이템 간의 유사도를 기반으로 아이템 유사도 데이터를 생성하는 아이템 유사도 데이터 생성부;
    상기 특정 아이템과 유사도가 높은 순서대로 K개의 유사 아이템을 선택하는 유사 아이템 선택부; 및
    선택된 유사 아이템의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 아이템 기반 평가 점수를 예측하는 유사 아이템 기반 평가 점수 예측부를 포함하고,
    상기 유사 아이템 집합은, 상기 아이템 유사도 데이터를 기반으로 생성되며,
    상기 유사 사용자 집합은, 사용자 유사도 데이터를 기반으로 생성되는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  2. 삭제
  3. 청구항 1에 있어서,
    상기 아이템 유사도 데이터 생성부는,
    Figure 112015006486565-pat00103
    을 통하여 상기 아이템 간의 유사도에 대한 가중치를 산출하되,
    상기
    Figure 112015006486565-pat00104
    는 상기 아이템 간의 유사도에 대한 가중치를 의미하고, 상기 i 및 상기 j는 각각 아이템을 의미하고, 상기 U는 상기 i 및 상기 j에 대하여 평가한 경험이 있는 사용자 집합을 의미하고, 상기
    Figure 112015006486565-pat00105
    는 사용자 u의 아이템 i에 대한 평가이고, 상기
    Figure 112015006486565-pat00106
    는 사용자 u의 아이템 j에 대한 평가이며, 상기
    Figure 112015006486565-pat00107
    는 사용자 집합 U의 아이템 i에 대한 평가의 평균이며, 상기
    Figure 112015006486565-pat00108
    는 사용자 집합 U의 아이템 j에 대한 평가의 평균인 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  4. 청구항 1에 있어서,
    상기 유사 아이템 선택부는,
    사용자 a의 아이템 m에 대한 평가가 누락된 경우에 있어서, 상기 아이템 유사도 데이터를 기반으로 상기 아이템 m과 가장 유사도가 높은 k개의 아이템을 선택하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  5. 청구항 4에 있어서,
    상기 유사 아이템 기반 평가 점수 예측부는,
    Figure 112014023103008-pat00109
    을 통하여, 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 예측하되,
    상기
    Figure 112014023103008-pat00110
    은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
    Figure 112014023103008-pat00111
    는 상기 아이템 m과 아이템 k 간의 유사도에 대한 가중치를 의미하고, 상기
    Figure 112014023103008-pat00112
    는 상기 사용자 a의 상기 아이템 k에 대한 평가를 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  6. 청구항 1에 있어서,
    상기 유사 사용자 집합 생성부는,
    사용자 간의 유사도를 기반으로 상기 사용자 유사도 데이터를 생성하는 사용자 유사도 데이터 생성부;
    상기 사용자와 유사도가 높은 순서대로 K개의 유사 사용자를 선택하는 유사 사용자 선택부; 및
    선택된 유사 사용자의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 사용자 기반 평가 점수를 예측하는 유사 사용자 기반 평가 점수 예측부를 포함하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  7. 청구항 6에 있어서,
    상기 사용자 유사도 데이터 생성부는,
    Figure 112014023103008-pat00113
    을 통하여 상기 사용자 간의 유사도에 대한 가중치를 산출하되,
    상기
    Figure 112014023103008-pat00114
    는 상기 사용자 간의 유사도에 대한 가중치를 의미하고, 상기 a 및 상기 u는 각각 사용자를 의미하고, 상기 I는 사용자 a와 사용자 u 모두에 의해 평가된 이력이 있는 아이템들의 집합을 의미하고, 상기
    Figure 112014023103008-pat00115
    는 사용자 u의 아이템 i에 대한 평가이며, 상기
    Figure 112014023103008-pat00116
    는 사용자 a의 아이템 i에 대한 평가이며,
    Figure 112014023103008-pat00117
    는 사용자 a의 아이템 집합 I에 대한 평가의 평균이며,
    Figure 112014023103008-pat00118
    는 사용자 u의 아이템 집합 I에 대한 평가의 평균을 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  8. 청구항 6에 있어서,
    상기 유사 사용자 선택부는,
    사용자 a의 아이템 m에 대한 평가가 누락된 경우에 있어서, 상기 사용자 유사도 데이터를 기반으로 상기 사용자 a와 가장 유사도가 높은 k개의 사용자를 선택하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  9. 청구항 8에 있어서,
    상기 유사 사용자 기반 평가 점수 예측부는,
    Figure 112014023103008-pat00119
    을 통하여 누락된 상기 사용자a의 아이템에 대한 평가 점수를 예측하되
    상기
    Figure 112014023103008-pat00120
    은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
    Figure 112014023103008-pat00121
    는 상기 사용자 a와 사용자 k 간의 유사도에 대한 가중치를 의미하고, 상기
    Figure 112014023103008-pat00122
    는 상기 사용자 k의 상기 아이템 m에 대한 평가를 의미하고, 상기
    Figure 112014023103008-pat00123
    는 사용자 a의 아이템 집합 I에 대한 평가의 평균을 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  10. 청구항 6에 있어서,
    상기 피드백 예측부는,
    Figure 112015006486565-pat00124
    을 통하여 상기 사용자의 특정 아이템에 대한 피드백을 예측하되,
    상기
    Figure 112015006486565-pat00125
    는 상기 사용자의 특정 아이템에 대한 피드백을 의미하고, 상기
    Figure 112015006486565-pat00126
    는 상기 유사 사용자 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
    Figure 112015006486565-pat00127
    는 상기 유사 아이템 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
    Figure 112015006486565-pat00128
    는 상기 유사 사용자 집합을 기반으로 산출된 평가 점수와 상기 유사 아이템 집합을 기반으로 산출된 평가 점수의 가중치를 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  11. 청구항 10에 있어서,
    상기
    Figure 112014023103008-pat00129
    는,
    Figure 112014023103008-pat00130
    을 통하여 산출하되,
    상기
    Figure 112014023103008-pat00131
    는 사용자 a에 대한 유사 사용자 집합을 의미하고, 상기
    Figure 112014023103008-pat00132
    는 아이템 m에 대한 유사 아이템 집합을 의미하고, 상기
    Figure 112014023103008-pat00133
    는 상기 유사 사용자 집합의 표준 편차를 의미하고, 상기
    Figure 112014023103008-pat00134
    는 상기 유사 아이템 집합의 표준 편차를 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 장치.
  12. 특정 아이템에 대한 사용자의 피드백을 예측하는 사용자 피드백 예측 방법에 있어서,
    유사 아이템 집합 생성부에 의하여, 상기 특정 아이템에 대한 유사 아이템 집합을 생성하는 유사 아이템 집합 생성 단계;
    유사 사용자 집합 생성부에 의하여, 상기 사용자에 대한 유사 사용자 집합을 생성하는 유사 사용자 집합 생성 단계; 및
    피드백 예측부에 의하여, 상기 유사 아이템 집합을 기반으로 산출된 평가 점수와, 상기 유사 사용자 집합을 기반으로 산출된 평가 점수에 가중치를 부여하여 조합함으로써 상기 사용자의 특정 아이템에 대한 피드백을 예측하는 피드백 예측 단계를 포함하며,
    상기 유사 아이템 집합 생성 단계는,
    아이템 유사도 데이터 생성부에 의하여, 아이템 간의 유사도를 기반으로 아이템 유사도 데이터를 생성하는 아이템 유사도 데이터 생성 단계;
    유사 아이템 선택부에 의하여, 상기 특정 아이템과 유사도가 높은 순서대로 K개의 유사 아이템을 선택하는 유사 아이템 선택 단계; 및
    유사 아이템 기반 평가 점수 예측부에 의하여, 선택된 유사 아이템의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 아이템 기반 평가 점수를 예측하는 유사 아이템 기반 평가 점수 예측 단계를 포함하며,
    상기 유사 아이템 집합은, 상기 아이템 유사도 데이터를 기반으로 생성되며,
    상기 유사 사용자 집합은, 사용자 유사도 데이터를 기반으로 생성되는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
  13. 삭제
  14. 청구항 12에 있어서,
    상기 아이템 유사도 데이터 생성 단계는,
    Figure 112015006486565-pat00135
    을 통하여 상기 아이템 간의 유사도에 대한 가중치를 산출하되,
    상기
    Figure 112015006486565-pat00136
    는 상기 아이템 간의 유사도에 대한 가중치를 의미하고, 상기 i 및 상기 j는 각각 아이템을 의미하고, 상기 U는 상기 i 및 상기 j에 대하여 평가한 경험이 있는 사용자 집합을 의미하고, 상기
    Figure 112015006486565-pat00137
    는 사용자 u의 아이템 i에 대한 평가이고, 상기
    Figure 112015006486565-pat00138
    는 사용자 u의 아이템 j에 대한 평가이며, 상기
    Figure 112015006486565-pat00139
    는 사용자 집합 U의 아이템 i에 대한 평가의 평균이며, 상기
    Figure 112015006486565-pat00140
    는 사용자 집합 U의 아이템 j에 대한 평가의 평균인 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
  15. 청구항 12에 있어서,
    상기 유사 아이템 선택 단계는,
    사용자 a의 아이템 m에 대한 평가가 누락된 경우에 있어서, 상기 아이템 유사도 데이터를 기반으로 상기 아이템 m과 가장 유사도가 높은 k개의 아이템을 선택하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
  16. 청구항 15에 있어서,
    상기 유사 아이템 기반 평가 점수 예측 단계는,
    Figure 112014023103008-pat00141
    을 통하여, 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 예측하되,
    상기
    Figure 112014023103008-pat00142
    은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
    Figure 112014023103008-pat00143
    는 상기 아이템 m과 아이템 k 간의 유사도에 대한 가중치를 의미하고, 상기
    Figure 112014023103008-pat00144
    는 상기 사용자 a의 상기 아이템 k에 대한 평가를 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
  17. 청구항 12에 있어서,
    상기 유사 사용자 집합 생성 단계는,
    사용자 유사도 데이터 생성부에 의하여, 사용자 간의 유사도를 기반으로 사용자 유사도 데이터를 생성하는 사용자 유사도 데이터 생성 단계;
    유사 사용자 선택부에 의하여, 상기 사용자와 유사도가 높은 순서대로 K개의 유사 사용자를 선택하는 유사 사용자 선택 단계; 및
    유사 사용자 기반 평가 점수 예측부에 의하여, 선택된 유사 사용자의 평가 점수의 가중치 조합을 기반으로 누락된 평가 점수인 유사 사용자 기반 평가 점수를 예측하는 유사 사용자 기반 평가 점수 예측 단계를 포함하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
  18. 청구항 17에 있어서,
    상기 사용자 유사도 데이터 생성 단계는,
    Figure 112014023103008-pat00145
    을 통하여 상기 사용자 간의 유사도에 대한 가중치를 산출하되,
    상기
    Figure 112014023103008-pat00146
    는 상기 사용자 간의 유사도에 대한 가중치를 의미하고, 상기 a 및 상기 u는 각각 사용자를 의미하고, 상기 I는 사용자 a와 사용자 u 모두에 의해 평가된 이력이 있는 아이템들의 집합을 의미하고, 상기
    Figure 112014023103008-pat00147
    는 사용자 u의 아이템 i에 대한 평가이며, 상기
    Figure 112014023103008-pat00148
    는 사용자 a의 아이템 i에 대한 평가이며,
    Figure 112014023103008-pat00149
    는 사용자 a의 아이템 집합 I에 대한 평가의 평균이며,
    Figure 112014023103008-pat00150
    는 사용자 u의 아이템 집합 I에 대한 평가의 평균을 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
  19. 청구항 17에 있어서,
    상기 유사 사용자 선택 단계는,
    사용자 a의 아이템 m에 대한 평가가 누락된 경우에 있어서, 상기 사용자 유사도 데이터를 기반으로 상기 사용자 a와 가장 유사도가 높은 k개의 사용자를 선택하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
  20. 청구항 19에 있어서,
    상기 유사 사용자 기반 평가 점수 예측 단계는,
    Figure 112014023103008-pat00151
    을 통하여 누락된 상기 사용자a의 아이템에 대한 평가 점수를 예측하되
    상기
    Figure 112014023103008-pat00152
    은 상기 누락된 상기 사용자 a의 아이템 m에 대한 평가 점수를 의미하고, 상기
    Figure 112014023103008-pat00153
    는 상기 사용자 a와 사용자 k 간의 유사도에 대한 가중치를 의미하고, 상기
    Figure 112014023103008-pat00154
    는 상기 사용자 k의 상기 아이템 m에 대한 평가를 의미하고, 상기
    Figure 112014023103008-pat00155
    는 사용자 a의 아이템 집합 I에 대한 평가의 평균을 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
  21. 청구항 17에 있어서,
    상기 피드백 예측 단계는,
    Figure 112014023103008-pat00156
    을 통하여 상기 사용자의 특정 아이템에 대한 피드백을 예측하되,
    상기
    Figure 112014023103008-pat00157
    는 상기 사용자의 특정 아이템에 대한 피드백을 의미하고, 상기
    Figure 112014023103008-pat00158
    는 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
    Figure 112014023103008-pat00159
    는 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수를 의미하고, 상기
    Figure 112014023103008-pat00160
    는 상기 유사 사용자의 집합을 기반으로 산출된 평가 점수와 상기 유사 아이템의 집합을 기반으로 산출된 평가 점수의 가중치를 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
  22. 청구항 21에 있어서,
    상기
    Figure 112014023103008-pat00161
    는,
    Figure 112014023103008-pat00162
    을 통하여 산출하되,
    상기
    Figure 112014023103008-pat00163
    는 사용자 a에 대한 유사 사용자 집합을 의미하고, 상기
    Figure 112014023103008-pat00164
    는 아이템 m에 대한 유사 아이템 집합을 의미하고, 상기
    Figure 112014023103008-pat00165
    는 상기 유사 사용자 집합의 표준 편차를 의미하고, 상기
    Figure 112014023103008-pat00166
    는 상기 유사 아이템 집합의 표준 편차를 의미하는 것을 특징으로 하는 협업 추천 시스템에서의 사용자 피드백 예측 방법.
KR1020140027865A 2014-03-10 2014-03-10 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법 KR101507328B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140027865A KR101507328B1 (ko) 2014-03-10 2014-03-10 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140027865A KR101507328B1 (ko) 2014-03-10 2014-03-10 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101507328B1 true KR101507328B1 (ko) 2015-03-31

Family

ID=53028946

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140027865A KR101507328B1 (ko) 2014-03-10 2014-03-10 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101507328B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101592220B1 (ko) * 2015-03-26 2016-02-11 단국대학교 산학협력단 예측적 군집화 기반 협업 필터링 장치 및 방법
CN108764609A (zh) * 2018-04-10 2018-11-06 北京航空航天大学 一种基于多源制造工艺信息的固有可靠性评估方法
CN109218769A (zh) * 2018-09-30 2019-01-15 武汉斗鱼网络科技有限公司 一种直播间的推荐方法以及相关设备
KR20190103838A (ko) * 2018-02-28 2019-09-05 경희대학교 산학협력단 음식 아이템의 추천 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100943444B1 (ko) 2000-07-27 2010-02-19 코닌클리케 필립스 일렉트로닉스 엔.브이. 미디어 콘텐트를 자동적으로 추천하는 시스템 및 방법, 프로파일 데이터를 조합하는 방법, 그리고 프로파일을 변경하는 방법
JP2013109734A (ja) 2011-11-24 2013-06-06 Canon Inc 文書検索装置、文書検索方法及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100943444B1 (ko) 2000-07-27 2010-02-19 코닌클리케 필립스 일렉트로닉스 엔.브이. 미디어 콘텐트를 자동적으로 추천하는 시스템 및 방법, 프로파일 데이터를 조합하는 방법, 그리고 프로파일을 변경하는 방법
JP2013109734A (ja) 2011-11-24 2013-06-06 Canon Inc 文書検索装置、文書検索方法及びプログラム

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101592220B1 (ko) * 2015-03-26 2016-02-11 단국대학교 산학협력단 예측적 군집화 기반 협업 필터링 장치 및 방법
KR20190103838A (ko) * 2018-02-28 2019-09-05 경희대학교 산학협력단 음식 아이템의 추천 방법
KR102087148B1 (ko) * 2018-02-28 2020-03-12 경희대학교 산학협력단 음식 아이템의 추천 방법
CN108764609A (zh) * 2018-04-10 2018-11-06 北京航空航天大学 一种基于多源制造工艺信息的固有可靠性评估方法
CN109218769A (zh) * 2018-09-30 2019-01-15 武汉斗鱼网络科技有限公司 一种直播间的推荐方法以及相关设备
CN109218769B (zh) * 2018-09-30 2021-01-01 武汉斗鱼网络科技有限公司 一种直播间的推荐方法以及相关设备

Similar Documents

Publication Publication Date Title
KR101573601B1 (ko) 사용자 프로파일과 상황 정보를 이용한 선호도 기반 하이브리드 필터링 콘텐츠 추천 장치 및 방법
KR101552149B1 (ko) 미래 목표-중심 활동을 예측 및 추천하기 위한 방법 및 시스템
US8572017B2 (en) User-based collaborative filtering recommendation system and method for amending similarity using information entropy
Jannach et al. Leveraging multi-criteria customer feedback for satisfaction analysis and improved recommendations
EP2304619B1 (en) Correlated information recommendation
US8468155B2 (en) Collaborative filtering-based recommendations
JP5277307B2 (ja) 情報推薦方法、そのシステム、及びサーバ
JP6985518B2 (ja) パーソナライズされた推奨を生成するために適合されたクライアント、サーバ、およびクライアント−サーバシステム
KR101507328B1 (ko) 협업 추천 시스템에서의 사용자 피드백 예측 장치 및 방법
AU2011282632A1 (en) Determining a likelihood of suitability based on historical data
JP6906430B2 (ja) 情報処理装置、情報処理方法および情報処理プログラム
CN107949843A (zh) 项目推荐系统、项目推荐方法以及程序
KR101866514B1 (ko) 상대 비교를 통한 상품 추천 서비스 방법 및 이를 위한 추천 서비스 장치와 프로그램
US20150248720A1 (en) Recommendation engine
Sarwat et al. Plutus: leveraging location-based social networks to recommend potential customers to venues
KR101567684B1 (ko) 협업필터링 기반의 상품 추천 시스템에서 추천 기법을 선택하는 방법
JPWO2012049987A1 (ja) 商品推薦システムおよび商品推薦方法とそのプログラム
KR101708254B1 (ko) 협업적 필터링과 캐릭터 넷을 이용한 스토리 기반의 영화 추전 시스템 및 방법.
US20160140640A1 (en) List presentation device, list presentation method, and program
CN104462093B (zh) 个人推荐方案
KR102262118B1 (ko) 사용자 맞춤형 추천정보 제공장치 및 제공방법, 이를 실행시키기 위한 프로그램을 기록한 컴퓨터 해독 가능한 기록 매체
JP6638265B2 (ja) 情報提供装置、プログラム
WO2017038177A1 (ja) 情報提供装置、端末装置、情報提供方法、プログラム
KR20100059537A (ko) 개인화된 파라미터를 이용한 컨텐츠 추천 시스템 및 방법
Smirnov et al. Multicriteria Context-Driven Recommender Systems: Model and Method

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20180312

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20190107

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20200102

Year of fee payment: 6