Journal of KIISE:Software and Applications (한국정보과학회논문지:소프트웨어및응용)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Collaborative Filtering for Recommendation based on Neural Network

추천을 위한 신경망 기반 협력적 여과

  • Published : 2004.04.01
Download PDF
⟨ Previous Next ⟩

Abstract

Recommendation is to offer information which fits user's interests and tastes to provide better services and to reduce information overload. It recently draws attention upon Internet users and information providers. The collaborative filtering is one of the widely used methods for recommendation. It recommends an item to a user based on the reference users' preferences for the target item or the target user's preferences for the reference items. In this paper, we propose a neural network based collaborative filtering method. Our method builds a model by learning correlation between users or items using a multi-layer perceptron. We also investigate integration of diverse information to solve the sparsity problem and selecting the reference users or items based on similarity to improve performance. We finally demonstrate that our method outperforms the existing methods through experiments using the EachMovie data.

추천은 과다하게 제공되는 정보로부터 사용자 개인의 취향에 알맞은 정보만을 제공하는 서비스이다. 최근 이러한 서비스는 정보제공자와 인터넷 사용자들이 많은 관심을 가지고 있다. 또한, 서비스를 위해 가장 널리 사용되는 방법은 협력적 여과방법이다. 협력적 여과방법은 특정 사용자와 관련 있는 사용자들에 대한 목표 항목의 선호도를 이용하거나 목표 항목과 관련 있는 항목들에 대한 특정 사용자의 선호도를 이용하여 특정 사용자에게 목표 항목을 추천하는 방법이다. 본 논문에서는 신경망 기반 협력적 여과 방법을 제안한다. 제안한 방법은 신경망을 이용하여 사용자 흑은 항목들 간의 선호 상관관계를 학습시킴으로써 모델을 생성하고 생성된 모델을 사용하여 추천할 목표 항목의 선호도를 추정하는 방법이다. 특히, 본 논문에서는 희소성 문제를 해결하기 위해 다양한 정보를 융합하는 방법과 보다 성능을 향상시키기 위해 목표 항목과 관련 있는 항목들 또는 특정 사용자와 관련 있는 사용자들을 선택하는 것에 대해 제시한다. 마지막으로 EachMovie 데이타를 이용한 실험들을 통해 제안한 방법이 기존 방법들 보다 우수한 성능을 보이는 것을 확인할 수 있다.

Keywords

References

  1. Pazzani, M. J., 'A Framework for Collaborative, Content-Based and Demographic Filtering,' Artificial Intelligence Review 13(5-6), pp. 393-408, 1999 https://doi.org/10.1023/A:1006544522159
  2. Sarwar, B. M., Karypis, G., Konstan, J. A., and Hied, J. 'Item-based Collaborative Filtering Recommender Algorithms,' Accepted for publication at the WWW10 Conference. May, 2001 https://doi.org/10.1145/371920.372071
  3. Schafer, J. B,. Konstan J. A, and Ried, J., 'Ecommerce Recommendation Applications,' J. Data Mining and Knowledge Discovery, 2001 https://doi.org/10.1023/A:1009804230409
  4. Cheung, K. W., Kwok, J. T., Law M. H. and Tsui, K. C., 'Mining customer product ratings for personalized marketing,' Decision Support Systems, Volume 35, Issue 2, pp. 231-243, 2003 https://doi.org/10.1016/S0167-9236(02)00108-2
  5. Sarwar, B. M., Karypis, G., Konstan, J. A, and Ried, J., 'Analysis of Recommendation Algorithms for E-Commerce,' In Proceedings of the ACM EC'00 Conference, Minneapolis, MN. pp. 158-167, 2000 https://doi.org/10.1145/352871.352887
  6. Breese, J., Heckerman, D. and Kadie, C., 'Empirical Analysis of predictive Algorithms for Collaborative Filtering,' Preceedings of the Fourtheenth Annual Conference on Uncertainty in artificial Intelligence, San Francisco, CA:Morgan Kaufmann, pp. 43-52, 1998
  7. Lin, W., Ruiz, C., and Alverez, S. 'A Collaborative Recommendation via Adaptive Association Rule Mining,' International Workshop on Web Mining for E-Commerce(WEBKDD2000), held in conjunction with the Sixth International Conference on Knowledge Discovery and Dat Mining(KDD2000), 2000
  8. Herlocker, J. L., Konstan, J. A, Borchers, A, and Riedl, J., 'An Algorithmic Framework for Performing Collaborative Filtering,' In Proceedings on the 22nd annual international ACM SIGIR conference on research and development in information retrieval, pages 230-237, Berkeley, CA, August 1999 https://doi.org/10.1145/312624.312682
  9. Claypool, M., Gokhale, A., Miranda, T., Murnikov, P., Netes, D., and Sartin, M., 'Combining Content-Based and Collavorative Filters in an Online Newspaper,' In Proceedings of ACM SIGIR'99 Workshop in Recommender Systems : Algorithms and Evaluation, Univ. of California, Derkely, Aug, 1999
  10. Konstan, J., Miller, B., Maltz, D., Herlocker, J., Gordon, L., and Resnick, P., Iacovou, N., Suchak, M., Bergstrom, P., and Riedl, J., 'GroupLens: An Open Architecture for Collaborative filtering of Netnews,' In proceddings of CSCW '94, Chapel Hill, NC, 1994 https://doi.org/10.1145/192844.192905
  11. Resnick, P., Iacovou, N., Suchak, M., Bergstrom, P., and Riedl, J., 'GroupLens: Applying Collaborative Filtering to Usenet News', Communications of the ACM, 40(3), pp. 77-87, 1997 https://doi.org/10.1145/245108.245126
  12. Lin, W., Ruiz, C., and Alvarez, S. A., 'A new adaptive-support algorithm for association rule mining,' Technical Report WPI-CS-TR-00-13, Department of Computer Science, Worcester Polytechnic Institute, 2000
  13. Billsus, D., and Pazzani, M. J., 'Learning collaborative information filters,' In Proceedings of the Fifteenth International Conference on Machine Learing, pages 46-53, 1998
  14. Press, W. H., Teukolsky, S. A., Vetterling W. T., Flannery, B. P., 'Numerical Recipes in C++,' 2nd edition, Cambridge University Press, 2002
  15. Miyahara, K., Pazzani, M. J., 'Collaoborative Filtering with the Simple Bayesian Classifier,' Pacific Rim International Conference on Artificial Intelligence, Springer, pp 679-689, 2000
  16. Haykin, S., 'Neural Networks: A Comprehensive Foundation,' 2nd edition, Prentice Hall, 1999
  17. 도영아, 김종수, 류정우, 김명원, '협력적 추천을 위한 사용자와 항목 모델의 효율적인 통합 방법', 한국정보과학회, Vol. 30, No 5· 6, pp. 540-549, 2003
  18. Prem Melville, Raymond J. Mooney, and Ramadass Nagarajan, 'Content-Boosted Collaborative Filtering,' Proceeding of the SIGIR-2001 Workshop on Recommender Systems, New Orleans, LA, Sep., 2001
  19. P. McJones. 'Eachrnovie Collaborative Filtering Data set,' http://www.rearchdigital.com/SRC/each movie, DEC Systems Research Center, 1997
  20. 김종수, 도영아, 류정우, 김명원, '신경망을 이용한 추천시스템의 성능 향상', 한국뇌학회, Vol.1, No.2, pp.223-244, 2001