Abstract
Recommender systems or collaborative filtering are methods to identify potentially interesting or valuable items to a particular user Under the assumption that people with similar interest tend to like the similar types of items, these methods use a database on the preference of a set of users and predict the rating on the items that the user has not rated. Usually the preference of a particular user is liable to vary with time and this temporal variation may cause an inaccurate identification and prediction. In this paper we propose a method to adapt the temporal variation of the user preference in order to improve the predictive performance of a collaborative filtering algorithm. To be more specific, the correlation weight of the GroupLens system which is a general formulation of statistical collaborative filtering algorithm is modified to reflect only recent similarity between two user. The proposed method is evaluated for EachMovie dataset and shows much better prediction results compared with GrouPLens system.
추천 시스템 또는 협업 필터링은 특정 사용자에게 잠재적으로 흥미가 있거나 가치가 있는 항목을 분류하는 방법이다. 유사한 성향을 갖는 사용자는 유사한 형태의 항목을 좋아하리라는 가정 하에, 이 방법은 사용자들의 성향에 관한 데이터베이스를 이용하여 아직 평가되지 못한 항목에 대한 평가값을 예측하는데 사용된다. 보통 추천하고자 하는 사람의 성향은 시간에 따라 변할 수 있고 이러한 시간적인 변화는 사용자 성향에 대한 분류 혹은 예측에 대한 정확성을 떨어뜨릴 수 있다. 본 논문에서는 협업 필터링 알고리즘의 예측 성능을 향상하기 위해서 사용자 성향의 시간적 변화를 이용한 방법을 제안하고자 한다. 이를 위해 기존의 통계적 협업 필터링의 일반적인 형태인 GroupLens 시스템의 상관 가중치가 최근 사용자의 유사성을 반영하기 위해 변형되었다. 제안된 방법은 EachMovie 데이터셋을 이용해 평가하였고 GroupLens 시스템과 비교하여 더 나은 예측 결과를 보였다.