KR101771855B1 - 추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법 - Google Patents

추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법 Download PDF

Info

Publication number
KR101771855B1
KR101771855B1 KR1020160084708A KR20160084708A KR101771855B1 KR 101771855 B1 KR101771855 B1 KR 101771855B1 KR 1020160084708 A KR1020160084708 A KR 1020160084708A KR 20160084708 A KR20160084708 A KR 20160084708A KR 101771855 B1 KR101771855 B1 KR 101771855B1
Authority
KR
South Korea
Prior art keywords
relative reliability
users
reliability
user
relative
Prior art date
Application number
KR1020160084708A
Other languages
English (en)
Inventor
한요섭
손주연
최상민
Original Assignee
연세대학교 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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020160084708A priority Critical patent/KR101771855B1/ko
Application granted granted Critical
Publication of KR101771855B1 publication Critical patent/KR101771855B1/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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06F17/30705—
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

평점에 대한 경향성 문제를 개선하고 보다 현실적인 신뢰 관계에 기반한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법이 개시된다. 개시된 상대적 신뢰도 산출 방법은 적어도 하나 이상의 아이템에 대한 두 사용자의 평점 및 상기 아이템에 대한 평균 평점을 이용하여, 상기 두 사용자 사이의 상대적 신뢰도를 계산하는 단계; 상기 상대적 신뢰도가 존재하는 노드 사이에 에지를 연결하여, 상기 두 사용자를 포함한 복수의 사용자를 상기 노드로 하는 신뢰 네트워크를 생성하는 단계; 및 상기 계산된 상대적 신뢰도를 이용하여, 상기 상대적 신뢰도가 존재하지 않는 노드 사이의 상대적 신뢰도를 예측하는 단계를 포함한다.

Description

추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법{METHOD FOR CALCULATING RELATIVE TRUST INFORMATION OF RECOMMENDATION SYSTEM AND METHOD FOR RECOMMENDING ITEM BASED ON TRUST}
본 발명은 추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법에 관한 것이다.
컨텐츠, 상품 등의 아이템 추천 방법 중 가장 대표적인 방법은 1990년대 이후 미네소타 대학을 중심으로 발전한 협업 필터링(Collaborative filtering)을 이용한 방법이다.
협업 필터링 기법이란 사용자로부터 얻어진 선호도 정보(preference information)에 기반하여, 특정 사용자의 관심사를 예측하는 방법이다. 보다 구체적으로, '유사한 성향을 갖는 사용자는 유사한 아이템을 선호한다'는 전제하에, 유사 사용자 그룹의 선호도에 기반하여 특정 사용자의 선호도를 예측한다.
하지만 데이터가 부족할 때 발생하는 정보 희박성 문제, 사용자 또는 상품에 대한 정보가 전혀 없을 때 발생하는 콜드 스타트 문제, 특정 상품의 평판을 의도적으로 훼손 혹은 촉진시키는 오피니언 스팸, 각각의 사용자는 콘텐츠에 대한 만족 정도를 표기하는 기준이 달라 평점 경향성 문제와 같은 단점이 대두되었다.
이를 개선하기 위해 소셜 네트워크 서비스의 개념을 아이템 추천 방법에 적용하여 사용자들이 자신이 신뢰하는 사용자들을 직접 선택할 수 있는 기능을 추가한 신뢰 기반 추천 방법이 제안되었다. 이러한 신뢰 기반 추천 방법은, 사용자들이 이방인보다 신뢰하는 친구들에게 의해 추천된 상품을 선호하는 경향이 높다는 점을 전제로 한다.
신뢰 기반 추천 방법에서의 신뢰도는 크게 두 가지로 명시적 신뢰도와 묵시적 신뢰도로 구분된다. 명시적 신뢰도는 사용자가 시스템에 직접 등록한 신뢰도 정보이며, 묵시적 신뢰도는 평점 데이터를 통해 추론된 신뢰도 정보다.
명시적 신뢰도에 기반한 아이템 추천 방법의 경우, 사용자들이 서로에 대한 신뢰도를 공개하기 꺼려한다 점에서 평점 데이터보다 정보 희박성 문제가 발생될 우려가 더 클 수 있으며, 사용자 각각이 신뢰도를 표기하는 기준이 달라서 경향성 문제가 발생할 수 있다. 이에 따라 최근에는 암묵적 신뢰도를 기반으로 아이템을 추천하는 방법에 대한 연구가 활발히 이루어지고 있다.
하지만, 암묵적 신뢰도를 기반으로 하는 종래 방법은 평점 기준이 서로 다른 사용자의 평점을 고려하기 때문에 경향성 문제가 여전히 존재하고, 사용자의 상대적 신뢰도를 대칭적으로 표현하여, 현실의 비대칭적 신뢰 관계를 반영하지 못하는 문제가 있다.
관련 선행문헌으로 대한민국 등록특허 제10-1572719호가 있다.
본 발명은 추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법을 제공하기 위한 것이다.
특히, 본 발명은 평점에 대한 경향성 문제를 개선하고 보다 현실적인 신뢰 관계를 반영하는 아이템 추천 방법 및 아이템 추천을 위한 상대적 신뢰도 산출 방법을 제공하기 위한 것이다.
상기한 목적을 달성하기 위해 본 발명의 일 실시예에 따르면, 적어도 하나 이상의 아이템에 대한 두 사용자의 평점 및 상기 아이템에 대한 평균 평점을 이용하여, 상기 두 사용자 사이의 상대적 신뢰도를 계산하는 단계; 상기 상대적 신뢰도가 존재하는 노드 사이에 에지를 연결하여, 상기 두 사용자를 포함한 복수의 사용자를 상기 노드로 하는 신뢰 네트워크를 생성하는 단계; 및 상기 계산된 상대적 신뢰도를 이용하여, 상기 상대적 신뢰도가 존재하지 않는 노드 사이의 상대적 신뢰도를 예측하는 단계를 포함하는 추천 시스템을 위한 상대적 신뢰도 산출 방법을 제공한다.
또한 상기한 목적을 달성하기 위해 본 발명의 다른 실시예에 따르면, 적어도 하나 이상의 아이템에 대한 두 사용자의 평점 및 상기 아이템에 대한 평균 평점을 이용하여, 상기 두 사용자 사이의 상대적 신뢰도를 계산하는 단계; 상기 계산된 상대적 신뢰도를 이용하여, 상기 상대적 신뢰도가 존재하지 않는 사용자 사이의 상대적 신뢰도를 예측하는 단계; 및 상기 상대적 신뢰도를 이용하여, 타겟 사용자에 대한 아이템을 추천하는 단계를 포함하는 신뢰 기반 아이템 추천 방법을 제공한다.
또한 상기한 목적을 달성하기 위해 본 발명의 또 다른 실시예에 따르면, 적어도 하나 이상의 아이템에 대한 사용자들의 평점을 입력받는 단계; 특정 아이템에 대해 공통으로 평점을 부여한 사용자 사이의 상대적 신뢰도를 계산하는 단계; 및 타겟 사용자와 상기 상대적 신뢰도가 높은 사용자가 선호하는 아이템을, 상기 타겟 사용자에게 추천하는 단계를 포함하며, 상기 상대적 신뢰도를 계산하는 단계는 상기 특정 아이템에 대한 사용자의 평점 및 상기 아이템에 대한 평균 평점을 이용하여, 두 사용자 사이의 상대적 신뢰도를 계산하는 신뢰 기반 아이템 추천 방법을 제공한다.
본 발명에 따르면 특정 사용자와 상대적 신뢰도가 높은 타겟 사용자들의 아이템 선호도를 이용하여, 타겟 사용자들이 선호하는 아이템을 특정 사용자에게 추천함으로써, 특정 사용자가 만족할만한 아이템을 추천할 수 있다.
또한 본 발명에 따르면, 아이템에 대한 평균 평점을 상대적 선호도에 반영함으로써, 경향성 문제가 개선될 수 있다.
도 1은 본 발명의 일실시예에 따른 신뢰 기반 아이템 추천 장치를 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 추천 시스템을 위한 상대적 신뢰도 산출 방법의 흐름도를 도시하는 도면이다.
도 3은 본 발명에 따른 상대적 신뢰도 및 신뢰 네트워크를 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 신뢰 기반 아이템 추천 방법을 설명하기 위한 도면이다.
도 5는 본 발명의 다른 실시예에 따른 신뢰 기반 아이템 추천 방법을 설명하기 위한 도면이다.
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.
본 발명은 암묵적 신뢰도를 기반으로 하는 아이템 추천 방법에 관한 발명으로서, 사용자 사이의 상대적 신뢰도를 계산하고 이를 이용하여 아이템을 추천한다. 여기서, 아이템은 상품 등 구매할 수 있는 물품 뿐만 아니라 평점이 남겨지는 영화, 게임 등의 컨텐츠, 사진 등을 공유하는 인터넷 서비스, 투자 대상 등의 아이템도 포함할 수 있다.
상대적 신뢰도는 동일한 아이템에 대해 평점을 부여한 사용자 사이에서 산출된다. 그리고 상대적 신뢰도는 두 사용자 간에 정의되며, 일방이 타방을 신뢰하는 정도이기 때문에 두 사용자 사이에서 2개의 상대적 신뢰도가 산출된다. 이를테면, 상대적 신뢰도는 제1사용자의 제2사용자에 대한 제1상대적 신뢰도와 2사용자의 상기 제1사용자에 대한 제2상대적 신뢰도로 구분될 수 있다.
본 발명에 따른 상대적 신뢰도는 두 사용자의 평점 차이에 따라 결정되며 사용자의 평점 차이와 반비례한다. 즉, 두 사용자의 평점 차이가 크면 상대적 신뢰도는 낮아지며, 평점 차이가 작으면 상대적 신뢰도는 높아진다. 따라서, 제1상대적 신뢰도가 높으면, 제1사용자의 물품 구매시 제2사용자가 제1사용자에 미치는 영향력이 높으며, 제2상대적 신뢰도가 높으면 제2사용자의 물품 구매시 제1사용자가 제2사용자에 미치는 영향력이 높다고 할 수 있다.
결국, 본 발명은 특정 사용자와 상대적 신뢰도가 높은 타겟 사용자들의 아이템 선호도를 이용하여, 타겟 사용자들이 선호하는 아이템을 특정 사용자에게 추천함으로써, 특정 사용자가 만족할만한 아이템을 추천할 수 있다.
한편, 본 발명은 평점에 대한 경향성 문제를 개선하기 위해 아이템에 대한 평균 평점을 이용하여 상대적 신뢰도를 계산한다.
예를 들어, 특정 아이템의 실제 품질이나 아이템의 만족도 등에 관계없이 후한 평점을 남기는 경향의 사용자 평점을 그대로 활용할 경우, 상대적 신뢰도가 정확하지 못할 문제가 있다. 평균 평점을 상대적 신뢰도에 반영하여, 사용자의 평점에 대한 영향을 줄임으로써 경향성 문제가 개선될 수 있다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 신뢰 기반 아이템 추천 장치를 설명하기 위한 도면이다.
도 1을 참조하면, 본 발명에 따른 신뢰 기반 아이템 추천 장치는 상대적 신뢰도 산출부(110) 및 아이템 추천부(120)를 포함한다. 본 발명에 따른 신뢰 기반 아이템 추천 장치는 일실시예로서, 아이템을 판매하고 추천하는 인터넷 쇼핑몰, 플랫폼 기업 등의 서버에 채용될 수 있다.
상대적 신뢰도 산출부(110)는 특정 아이템에 대해 공통으로 평점을 부여한 사용자 사이의 상대적 신뢰도를 계산한다. 상대적 신뢰도 산출부(110)는, 사용자들이 아이템을 구매하거나 사용한 후 남긴 평점을 입력받아 사용자 사이의 상대적 신뢰도를 계산할 수 있다. 특정 아이템을 구매한 사용자가 둘 이상일 경우, 서로 다른 두 사용자간의 상대적 신뢰도가 계산될 수 있다.
이 때, 상대적 신뢰도 산출부(110)는 특정 아이템에 대한 사용자의 평점 및 아이템에 대한 평균 평점을 이용하여, 두 사용자 사이의 상대적 신뢰도를 계산한다. 두 사용자의 평점이 유사할수록 상대적 신뢰도는 증가할 수 있으며, 사용자의 평점과 평균 평점의 차이가 클수록 상대적 신뢰도는 작아질 수 있다.
아이템 추천부(120)는 산출된 상대적 신뢰도를 이용하여, 타겟 사용자와 상대적 신뢰도가 높은 사용자가 선호하는 아이템을, 타겟 사용자에게 추천한다.
한편, 실시예에 따라서, 상대적 신뢰도 산출부(110)는 상대적 신뢰도가 존재하지 않는 사용자 사이의 상대적 신뢰도를 예측할 수 있고 상대적 신뢰도 예측을 위해 계산된 상대적 신뢰도에 따라 생성되는 신뢰 네트워크를 이용할 수 있다.
그리고 아이템 추천부(120)는 계산된 상대적 신뢰도뿐만 아니라 예측된 상대적 신뢰도까지 고려하여 타겟 사용자와 상대적 신뢰도가 높은 사용자가 선호하는 아이템을, 타겟 사용자에게 추천할 수 있다.
이하에서는 추천 시스템을 위한 상대적 신뢰도 산출 방법을 먼저 설명하고, 산출된 상대적 신뢰도를 이용하는 신뢰 기반 아이템 추천 방법을 설명하기로 한다.
도 2는 본 발명의 일실시예에 따른 추천 시스템을 위한 상대적 신뢰도 산출 방법의 흐름도를 도시하는 도면이며, 도 3은 본 발명에 따른 상대적 신뢰도 및 신뢰 네트워크를 설명하기 위한 도면이다.
본 발명에 따른 상대적 신뢰도 산출 방법은 전술된 상대적 신뢰도 산출부 또는 프로세서를 포함한 컴퓨팅 장치에서 수행될 수 있다.
본 발명에 따른 상대적 신뢰도 추출 장치는 적어도 하나 이상의 아이템에 대한 두 사용자의 평점 및 아이템에 대한 평균 평점을 이용하여, 두 사용자 사이의 상대적 신뢰도를 계산(S210)한다. 보다 구체적으로 상대적 신뢰도 추출 장치는 두 사용자의 평점 차이 및 사용자의 평점과 평균 평점의 차이를 이용하여 상대적 신뢰도를 계산할 수 있다.
전술된 바와 같이, 두 사용자 사이에서 2개의 상대적 신뢰도가 산출되며, 상대적 신뢰도 추출 장치는 제1사용자의 제2사용자에 대한 제1상대적 신뢰도, 제2사용자의 제1사용자에 대한 제2상대적 신뢰도를 계산할 수 있다.
일예로서, 상대적 신뢰도 추출 장치는 [수학식 1]을 이용하여, 개별 아이템에 대한 두 사용자의 상대적 신뢰도 중 제1사용자(사용자 u)의 제2사용자(사용자 v)에 대한 제1상대적 신뢰도를 계산하고, 두 사용자가 공통으로 구매한 아이템이 복수개인 경우 [수학식 2]와 같이, 계산 결과를 두 사용자의 평점이 존재하는 모든 아이템으로 평균하여 최종적으로 제1상대적 신뢰도를 계산할 수 있다.
Figure 112016064915310-pat00001
Figure 112016064915310-pat00002
여기서, rmax는 사용자가 부여할 수 있는 최대 평점, ru,i는 사용자 u가 아이템 i에 부여한 평점, rv,i는 사용자 v가 아이템 i에 부여한 평점,
Figure 112016064915310-pat00003
는 ru,i 및 rv,i를 제외한 아이템 i에 대한 평점의 개수,
Figure 112016064915310-pat00004
는 는 ru,i 및 rv,i를 제외한 아이템 i에 대한 평균 평점,
Figure 112016064915310-pat00005
는 사용자 u와 v가 공통으로 평점을 남긴 아이템 개수를 나타낸다.
[수학식 1]에 따르면, 두 사용자의 평점이 유사할수록 상대적 신뢰도는 증가하며, 사용자와 평균 평점의 차이가 클수록 상대적 신뢰도는 작아진다. [수학식 1]에 이용된 평균 평점은 두 사용자(u, v) 이외 다른 사용자에 대한 평균 평점이나, 실시예에 따라서 두 사용자(u, v)를 포함한 평균 평점이 이용될 수도 있다.
[수학식 1]은 사용자 u가 사용자 v를 신뢰하는 제1상대적 신뢰도에 대한 수학식이며, [수학식 1]에서 첨자 u와 v가 서로 바뀌면 사용자 v(제2사용자)가 사용자 u(제1사용자)를 신뢰하는 제2상대적 신뢰도가 계산될 수 있다.
본 발명에 따른 상대적 신뢰도 추출 장치는 상대적 신뢰도를 이용하여 신뢰 네트워크를 생성(S210)하며, 상대적 신뢰도가 존재하는 노드 사이에 에지를 연결하여, 두 사용자를 포함한 복수의 사용자를 노드로 하는 신뢰 네트워크를 생성한다. 사용자들이 공통으로 구매하여 평점을 남긴 아이템이 도 3(a)와 같을 경우, 도 3(b)와 같은 신뢰 네트워크가 생성될 수 있다.
도 3(a)에서 사용자(310 내지 350)와 아이템(A, B, C, D)를 연결하는 선은 아이템을 구매하여 남긴 평점에 대응한다. 도 3(b)의 신뢰 네트워크에서 각 노드는 사용자와 대응되며, 노드를 연결하는 에지는 상대적 신뢰도가 존재함을 나타낸다. 에지의 방향은 제1상대적 신뢰도 및 제2상대적 신뢰도에 따른 방향성을 나타낸다.
제1사용자(310), 제2사용자(320) 및 제5사용자(350)는 공통으로 구매한 아이템(B, C)이 존재하기 때문에, 상대적 신뢰도가 산출될 수 있다. 제3 내지 제5사용자(330, 340, 350) 역시 공통으로 구매한 아이템(A)이 존재하기 때문에 상대적 신뢰도가 산출될 수 있다.
반면, 제1사용자(310)는 제3사용자(330)와 공통으로 구매한 아이템이 없고, 제4사용자(340)와도 공통으로 구매한 아이템이 없기 때문에, 제1 및 제3사용자(310, 330) 사이의 상대적 신뢰도, 제1 및 제4사용자(310, 340) 사이의 상대적 신뢰도는 산출될 수 없다. 마찬가지로 제2사용자(320) 역시 제3 및 제4사용자(330, 340)와 공통으로 구매한 아이템이 없기 때문에 제2 및 제3사용자(320, 330) 사이의 상대적 신뢰도, 제2 및 제4사용자(320, 340) 사이의 상대적 신뢰도는 산출될 수 없다.
결국, 도 3(a)와 같이 사용자들이 아이템을 구매하여 평점을 남긴 경우 최종적으로 도3(b)와 같은 신뢰 네트워크가 만들어질 수 있으며, 신뢰 네트워크의 에지에는 상대적 신뢰도가 할당될 수 있다.
다시 도 2로 돌아와, 상대적 신뢰도 추출 장치는 계산된 상대적 신뢰도를 이용하여, 상대적 신뢰도가 존재하지 않는 노드 사이의 상대적 신뢰도를 예측(S230)한다. 즉, 상대적 신뢰도 추출 장치는 상대적 신뢰도가 존재하지 않는 사용자 사이의 상대적 신뢰도를 예측한다.
상대적 신뢰도 추출 장치는 상대적 신뢰도가 존재하지 않는 제1노드와 제2노드 사이의 최단 경로를 결정하고, 최단 경로에 포함된 에지에 대한 상대적 신뢰도에 가중치를 적용하여, 상대적 신뢰도를 예측한다.
도 3을 참조하여 설명하면, 예를 들어, 도 3(b)에서 제1사용자 노드(310)와 제3사용자 노드(330) 사이에는 상대적 신뢰도가 존재하지 않는다. 제1사용자 노드(310)에서 제3사용자 노드(330)에 이르는 다양한 경로중 최단 경로는 다른 노드를 경유하지 않고, 제5사용자 노드(350)만을 경유하는 경로이다. 그리고 이러한 최단 경로는 제1사용자 노드(310)에서 제3사용자 노드(330) 방향으로 2개의 에지를 포함하고 있다. 따라서 상대적 신뢰도 추출 장치는 제1사용자 노드(310)와 제5사용자 노드(350) 사이의 상대적 신뢰도 및 제5사용자 노드(350)와 제3사용자 노드(330) 사이의 상대적 신뢰도 각각에 가중치를 적용하여 제1사용자 노드(310)와 제3사용자 노드(330) 사이의 상대적 신뢰도를 예측한다.
이 때, 기준이 되는 제1노드와 에지의 거리에 따라 가중치가 조절될 수 있는데, 제1노드에 가까운 에지에 보다 큰 가중치가 설정될 수 있다. 즉, 기준 노드로부터 멀리 떨어진 에지의 가중치일수록 작아진다. 이를 수학식으로 표현하면, [수학식 3]과 같이 표현할 수 있다.
[수학식 3]에 따라 예측된 상대적 신뢰도는, 예측에 적용된 모든 가중치의 중간값으로 정규화될 수 있다.
Figure 112016064915310-pat00006
여기서,
Figure 112016064915310-pat00007
는 가중치이며,
Figure 112016064915310-pat00008
는 최단 경로에 포함된 에지에 할당된 상대적 신뢰도이다. 그리고 k는 최단 경로에 포함되는 에지의 개수, i는 에지의 인덱스로서 기준노드에서 멀어지는 방향으로 1씩 증가한다.
제1사용자(310)가 제3사용자(330)를 신뢰하는 상대적 신뢰도가 예측될 경우, 기준 노드는 제1사용자 노드(310)가 되며, 제3사용자(330)가 제1사용자(310)를 신뢰하는 상대적 신뢰도가 예측될 경우 기준 노드는 제3사용자 노드(330)가 될 수 있다.
한편, 신뢰 네트워크가 복잡하고 최단 경로가 길어질 경우, 계산의 복잡성이 증가할 수 있으므로, 상대적 신뢰도 추출 장치는 최단 경로에 포함되는 모든 상대적 신뢰도를 이용하여 상대적 신로도를 예측하지 않고, 제1노드로부터 임계 거리 이하에 존재하는 에지의 상대적 신뢰도에 가중치를 적용하여 상대적 신뢰도를 예측할 수 있다.
결국, 본 발명에 따르면, 상대적 신뢰도에 아이템에 대한 평균 평점을 반영함으로써, 경향성 문제가 개선될 수 있으며, 상대적 신뢰도가 존재하지 않는 사용자 사이의 상대적 신뢰도를 예측함으로써 사용자가 보다 만족할 수 있는 아이템을 추천할 수 있다.
또한 본 발명에 따르면, 두 사용자 사 사이의 상대적 신뢰도가, 사용자 각각이 부여한 평점에 따라서 달라지는 비대칭 구조 특성을 나타내며, 상대적 신뢰도를 보다 현실적으로 표현할 수 있다.
도 4는 본 발명의 일실시예에 따른 신뢰 기반 아이템 추천 방법을 설명하기 위한 도면이다.
본 발명에 따른 신뢰 기반 아이템 추천 방법은 전술된 신뢰 기반 아이템 추천 장치 또는 프로세서를 포함한 컴퓨팅 장치에서 수행될 수 있다.
본 발명에 따른 신뢰 기반 아이템 추천 장치는 적어도 하나 이상의 아이템에 대한 두 사용자의 평점 및 상기 아이템에 대한 평균 평점을 이용하여, 두 사용자 사이의 상대적 신뢰도를 계산(S410)한다. 그리고 계산된 상대적 신뢰도를 이용하여, 상대적 신뢰도가 존재하지 않는 사용자 사이의 상대적 신뢰도를 예측(S420)한다.
즉, 본 발명에 따른 신뢰 기반 아이템 추천 장치는 도 2에서 설명된 바와 같이, 상대적 신뢰도를 계산할 수 있다. 그리고, 도 2에서 설명된 바와 같이, 신뢰 네트워크를 생성하고, 상대적 신뢰도가 존재하지 않는 노드 사이의 상대적 신뢰도를 예측할 수 있다.
본 발명에 따른 신뢰 기반 아이템 추천 장치는 계산 및 예측된 상대적 신뢰도에 기반하여, 타겟 사용자에 대한 아이템을 추천(S430)한다.
일예로서, 신뢰 기반 아이템 추천 장치는 타겟 사용자와 상대적 신뢰도가 높은 순서대로 일정 수의 사용자를 선별하고, 선별된 사용자들이 선호하는 예를 들어 높은 평점을 부여한 아이템을 타겟 사용자에게 추천할 수 있다.
도 5는 본 발명의 다른 실시예에 따른 신뢰 기반 아이템 추천 방법을 설명하기 위한 도면이다.
본 발명에 따른 신뢰 기반 아이템 추천 장치는 사용자들이 작성한, 적어도 하나 이상의 아이템에 대한 사용자들의 평점을 입력받아, 특정 아이템에 대해 공통으로 평점을 부여한 사용자 사이의 상대적 신뢰도를 계산(S510)한다. 그리고 타겟 사용자와 상대적 신뢰도가 높은 사용자가 선호하는 아이템을, 타겟 사용자에게 추천(S520)한다.
도 4와 비교하여, 도 5의 아이템 추천 방법은 상대적 신뢰도 예측없이 계산된 상대적 신뢰도에 기반하여 타겟 사용자에게 아이템을 추천한다.
앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

Claims (15)

  1. 적어도 하나 이상의 아이템에 대한 두 사용자의 평점 및 상기 아이템에 대한 평균 평점을 이용하여, 상기 두 사용자 사이의 상대적 신뢰도를 계산하는 단계;
    상기 상대적 신뢰도가 존재하는 노드 사이에 에지를 연결하여, 상기 두 사용자를 포함한 복수의 사용자를 상기 노드로 하는 신뢰 네트워크를 생성하는 단계; 및
    상기 계산된 상대적 신뢰도를 이용하여, 상기 상대적 신뢰도가 존재하지 않는 노드 사이의 상대적 신뢰도를 예측하는 단계를 포함하며,
    상기 상대적 신뢰도를 예측하는 단계는
    상기 상대적 신뢰도가 존재하지 않는 제1노드와 제2노드 사이의 최단 경로를 결정하는 단계; 및
    상기 최단 경로에 포함된 에지에 대한 상대적 신뢰도에 가중치를 적용하여, 상대적 신뢰도를 예측하는 단계
    를 포함하는 추천 시스템을 위한 상대적 신뢰도 산출 방법.
  2. 제 1항에 있어서,
    상기 상대적 신뢰도를 계산하는 단계는
    상기 두 사용자의 평점 차이 및 상기 사용자의 평점과 상기 평균 평점의 차이를 이용하여 상기 상대적 신뢰도를 계산하는
    추천 시스템을 위한 상대적 신뢰도 산출 방법.
  3. 제 2항에 있어서,
    상기 평균 평점은
    상기 두 사용자 이외 다른 사용자에 대한 평균 평점인
    추천 시스템을 위한 상대적 신뢰도 산출 방법.
  4. 제 1항에 있어서,
    상기 상대적 신뢰도를 계산하는 단계는
    제1사용자의 제2사용자에 대한 제1상대적 신뢰도를 계산하는 단계; 및
    상기 제2사용자의 상기 제1사용자에 대한 제2상대적 신뢰도를 계산하는 단계
    를 포함하는 추천 시스템을 위한 상대적 신뢰도 산출 방법.
  5. 제 4항에 있어서,
    상기 에지는
    상기 제1 및 제2상대적 신뢰도에 따른 방향성을 나타내는
    추천 시스템을 위한 상대적 신뢰도 산출 방법.
  6. 삭제
  7. 제 1항에 있어서,
    상기 가중치는
    상기 제1노드와 상기 에지의 거리에 따라 조절되는
    추천 시스템을 위한 상대적 신뢰도 산출 방법.
  8. 제 1항에 있어서,
    상기 상대적 신뢰도를 예측하는 단계는
    상기 제1노드로부터 임계 거리 이하에 존재하는 에지의 상대적 신뢰도에 상기 가중치를 적용하는
    추천 시스템을 위한 상대적 신뢰도 산출 방법.
  9. 적어도 하나 이상의 아이템에 대한 두 사용자의 평점 및 상기 아이템에 대한 평균 평점을 이용하여, 상기 두 사용자 사이의 상대적 신뢰도를 계산하는 단계;
    상기 계산된 상대적 신뢰도가 존재하는 노드 사이에 에지를 연결하여, 상기 두 사용자를 포함한 복수의 사용자를 상기 노드로 하는 신뢰 네트워크를 생성하는 단계;
    상기 계산된 상대적 신뢰도를 이용하여, 상기 상대적 신뢰도가 존재하지 않는 사용자 사이의 상대적 신뢰도를 예측하는 단계; 및
    상기 상대적 신뢰도에 기반하여, 타겟 사용자에 대한 아이템을 추천하는 단계를 포함하며,
    상기 상대적 신뢰도를 예측하는 단계는
    상기 상대적 신뢰도가 존재하지 않는 제1노드와 제2노드 사이의 최단 경로를 결정하는 단계; 및
    상기 최단 경로에 포함된 에지에 대한 상대적 신뢰도에 가중치를 적용하여, 상대적 신뢰도를 예측하는 단계
    를 포함하는 신뢰 기반 아이템 추천 방법.
  10. 제 9항에 있어서,
    상기 상대적 신뢰도를 계산하는 단계는
    상기 두 사용자의 평점 차이 및 상기 사용자의 평점과 상기 평균 평점의 차이를 이용하여 상기 상대적 신뢰도를 계산하는
    신뢰 기반 아이템 추천 방법.
  11. 삭제
  12. 삭제
  13. 제 9항에 있어서,
    상기 가중치는
    상기 제1노드와 상기 에지의 거리에 따라 조절되는
    신뢰 기반 아이템 추천 방법.
  14. 삭제
  15. 삭제
KR1020160084708A 2016-07-05 2016-07-05 추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법 KR101771855B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160084708A KR101771855B1 (ko) 2016-07-05 2016-07-05 추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160084708A KR101771855B1 (ko) 2016-07-05 2016-07-05 추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법

Publications (1)

Publication Number Publication Date
KR101771855B1 true KR101771855B1 (ko) 2017-08-28

Family

ID=59759678

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160084708A KR101771855B1 (ko) 2016-07-05 2016-07-05 추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법

Country Status (1)

Country Link
KR (1) KR101771855B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019231185A1 (ko) * 2018-05-29 2019-12-05 연세대학교 산학협력단 무선 네트워크에서 노드 사이의 신뢰도 파라미터 산출 방법, 신뢰도 파라미터를 이용한 라우팅 경로 설정 방법 및 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019231185A1 (ko) * 2018-05-29 2019-12-05 연세대학교 산학협력단 무선 네트워크에서 노드 사이의 신뢰도 파라미터 산출 방법, 신뢰도 파라미터를 이용한 라우팅 경로 설정 방법 및 장치

Similar Documents

Publication Publication Date Title
US20170140326A1 (en) Server and method for processing delivery information and checking attendance
US11562209B1 (en) Recommending content using neural networks
WO2016197854A1 (zh) 业务对象信息处理、凭证信息处理方法及装置
US20140229320A1 (en) Congestion free shopping
US20160012406A1 (en) Recharge Method, Recharge Terminal, and Recharge Server
US9910898B2 (en) Smart exploration methods for mitigating item cold-start problem in collaborative filtering recommendation systems
US20180365709A1 (en) Personalized creator recommendations
US10469504B1 (en) Systems and methods for using one or more networks to assess a metric about an entity
KR102083624B1 (ko) 관심대상 분석 시스템 및 그 방법, 그리고 이에 적용되는 장치
KR101725510B1 (ko) 사용자 성향을 고려한 소셜 이벤트 추천 방법 및 장치
JP2018084928A (ja) 選択装置、選択方法および選択プログラム
KR101572719B1 (ko) 행렬 분해 기반 추천 방법을 위한 신뢰 네트워크를 이용하는 데이터 대치 방법
CN111340565A (zh) 一种信息推荐方法、装置、设备及存储介质
KR101596631B1 (ko) 빅데이터 색인어를 이용한 상품 추천 방법
KR101459537B1 (ko) 링크 예측을 이용한 소셜 추천 방법
KR101771855B1 (ko) 추천 시스템을 위한 상대적 신뢰도 산출 방법 및 신뢰 기반 아이템 추천 방법
CN111753386B (zh) 一种数据处理方法及装置
JP6810184B2 (ja) 算出装置、算出方法及び算出プログラム
KR20170010776A (ko) 전환값에 기반한 광고에 대한 입찰 계산
US10963937B1 (en) Online ecommerce in augmented reality platforms
Ranjan et al. Analyzing social media community sentiment score for prediction of success of bollywood movies
CN113158032B (zh) 一种信息推送方法和装置
KR102085657B1 (ko) 북 페이백 시스템
KR101620597B1 (ko) 통합 추천자를 이용하여 사용자 추천 그룹을 갱신하는 방법
Cheng Market power and switching costs: An empirical study of online networking market

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant