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

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

An Item-based Collaborative Filtering Technique by Associative Relation Clustering in Personalized Recommender Systems

개인화 추천 시스템에서 연관 관계 군집에 의한 아이템 기반의 협력적 필터링 기술

  • Published : 2004.04.01
Download PDF
⟨ Previous Next ⟩

Abstract

While recommender systems were used by a few E-commerce sites former days, they are now becoming serious business tools that are re-shaping the world of I-commerce. And collaborative filtering has been a very successful recommendation technique in both research and practice. But there are two problems in personalized recommender systems, it is First-Rating problem and Sparsity problem. In this paper, we solve these problems using the associative relation clustering and “Lift” of association rules. We produce “Lift” between items using user's rating data. And we apply Threshold by -cut to the association between items. To make an efficiency of associative relation cluster higher, we use not only the existing Hypergraph Clique Clustering algorithm but also the suggested Split Cluster method. If the cluster is completed, we calculate a similarity iten in each inner cluster. And the index is saved in the database for the fast access. We apply the creating index to predict the preference for new items. To estimate the Performance, the suggested method is compared with existing collaborative filtering techniques. As a result, the proposed method is efficient for improving the accuracy of prediction through solving problems of existing collaborative filtering techniques.

추천 시스템은 예전에는 몇몇 혁신적인 전자상거래(E-commerce) 사이트에서만 사용되어 왔으나 현재는 전자상거래를 새롭게 재구성하는 필수적인 비즈니스 도구가 되어가고 있다. 그리고 협력적 필터링은 이론과 실무 분야 모두에서 가장 성공적으로 평가받은 추천 기법 중 하나이다. 그러나 개인화 추천 시스템을 구축하기 위해서는 두 가지 문제를 동시에 고려해야 한다. 즉 초기 평가 문제와 희박성 문제이다. 본 논문에서는 연관 관계 군집과 연관 규칙의 향상도를 이용하여 이러한 문제를 해결하고자 한다. 사용자의 평가 데이타를 사용하여 아이템간의 향상도를 산출하고, a-cut에 의한 임계값을 아이템들간의 연관성에 적용한다. 연관 관계 군집의 효율성을 높이기 위해서 기존의 Hypergraph Clique Clustering 알고리즘과 본 연구에서 제안하는 Split Cluster Method를 이용하였다. 군집이 완성되면, 각 군집 내부에서 아이템간의 유사도를 산출하고 빠른 액세스를 위해 인덱스를 데이터베이스에 저장한다. 새로운 아이템들의 선호도 예측 시에 생성한 인덱스를 적용시킨다. 성능을 평가하기 위해서 기존의 협력적 필터링 기술과 비교 평가하였다. 그 결과 기존의 협력적 필터링 기술의 문제점을 해결하여 예측의 정확도를 높이는데 효과적임을 확인하였다.

Keywords

References

  1. B. Sarwar, G. Karypis, J. Konstan, and J. Riedl, 'Item-based Collaborative Filtering Recommendation Algorithms,' In Proc. of the 10th International World Wide Web Conference, Hong Kong, 2001 https://doi.org/10.1145/371920.372071
  2. J. J. Jung, K. Y. Jung, G. S. Jo, 'Ontological Cognitive Map for Sharing Knowledge between Heterogenous Businesses,' LNCS 2869, the 18th International Symposium on Computer and Information Sciences, Springer-Verlag, pp.91-98, 2003
  3. K. Y. Jung, J. K. Ryu, J. H. Lee, 'A New Collaborative Filtering Method using Representative Attributes-Neighborhood and Bayesian Estimated Value,' Proc. of International Conference on Artificial Intelligence: Las Vegas, USA, June 24-27, 2002
  4. K. Y. Jung, Y. J. Park, J. H. Lee, 'Integrating User Behavior Model and Collaborative Filtering Methods in Recommender Systems,' International Conference on Computer and Information Science, Seoul, Korea, August 8-9, 2002
  5. K. Y. Jung, J. H. Lee, 'Prediction of User Preference in Recommendation System using Association User Clustering and Bayesian Estimated Value,' LNAI 2557, 15th Australian Joint Conference on Artificial Intelligence(Al'02), Springer-Verlag, pp.284-296, 2002
  6. 정경용, 김진현, 이정현, '연관 사용자 군집과 베이지안 분류를 이용한 사용자 선호도 예측 방법,' 제28회 한국정보과학회 추계학술발표 논문집(II) -우수논문, pp.l09-111, 2001
  7. R. Agrawal, and R. Srikant, 'Fast Algorithm for Mining Association Rules,' Proc. of the 20th VLDB Conference, pp.487-499, 1994
  8. E. H. Han, et al., 'Clustering Based On Association Rule Hypergraphs,' Proc. of SIGMOD Workshop on Research Issues in Data Mining and Knowledge Discovery, May, 1997
  9. K. Y. Jung, J. H. Choi, K. W. Rim, J. H.Lee, 'Development of Design Recommender System using Collaborative Filtering,' LNCS 2911, 6th International Conference of Asian Digital Libraries(ICADL'03), Springer-Verlag, pp.100-110, 2003.12
  10. M. J. Zaki, S. Parthasarathy, M.Ogihara, and W. Li, 'New Algorithms for Fast Discovery of Association Rules,' In Proc.of the 3rd IEEE Conference on Knowledge Discovery and Data Mining, pp.283-286, 1997
  11. P. McJones, EachMovie collaborative filtering dataset, URL:http://www.research.digital.com/SRC/eachmovie, 1997
  12. D. Billsus, M. J. Pazzani, 'Learning Collaborative Information Filters,' Proc. of ICML, pp.46-53, 1998
  13. J. S. Breese, D. Heckerman, and C. Kadie, 'Empirical Analysis of Predictive Algorithms for Collaborative Filtering,' Proc. of the 14th Conference on Uncertainty in Artificial Intelligence, 1998
  14. J. Herlocker, J. Konstan, A. Borchers, and J. Riedl, 'An Algorithm Framework for Performing Collaborative Filtering,' Proc. 2000 ACM-SIGMOD Int. Conf. on Management of Data, 1999 https://doi.org/10.1145/312624.312682
  15. G. Karypis, 'Evaluation of Item-Based Top-N Recommendation Algorithm,' Technical Report CS-TR-00-46, Computer Science Dept., University of Minnesota, 2000
  16. R. Cooley, et al., 'Data Preparation for Mining World Wide Web Browsing Patterns,' Knowledge and Information Systems, Vol. 1, No.1, 1999
  17. P. Resnick, et. al., 'GroupLens: An Open Architecture for Collaborative Filtering of Netnews,' Proc. of ACM CSCW'94 Conference on Computer Supported Cooperative Work, pp.175-186, 1994 https://doi.org/10.1145/192844.192905
  18. J. Konstan, B. Miller, D. Maltz, J. Herlocker, L. Gordon, and J. Riedl, 'GroupLens: Applying Collaborative Filtering to Usenet News,' Communications of the ACM, Vol. 40, No.3, pp.77-87, 1997 https://doi.org/10.1145/245108.245126
  19. K. Y Jung, Y. J. Na, J. H. Lee, 'FDRAS: Fashion Design Recommender Agent System using the Extraction of Representative Sensibility and the Two-Way Filtering on Textile,' LNCS 2736, 14th International Conference on Database and Expert Systems Applications, Springer-Verlag, pp.631-640, 2003
  20. 정경용, 류중경, 강운구, 이정현, '내용 기반 여과와 협력적 여과와 병합을 통한 추천 시스템에서 조화 평균 가중치', 정보과학회논문지 : 소프트웨어 및 응용, 제30권 제3호, pp.239-250, 2003.4
  21. 정경용, 김진수, 김태용, 이정현, '선호도 재계산을 위한 연관 사용자 군집 분석과 Representative Attribute- Neighborhood을 이용한 협력적 필터링 시스템의 성능향상', 한국정보처리학회(B), 제10-권 제3호, pp.287-296, 2003.6 https://doi.org/10.3745/KIPSTB.2003.10B.3.287
  22. K. Y. Jung, J. J. Jung, J. H. Lee, 'Discovery of User Preference in Personalized Design Recommender System through Combining Collaborative Filtering and Content Based Filtering,' LNAI 2843, 6th International Conference on Discovery Science (DS'03), Springer-Verlag, pp.320-327, 2003
  23. K. Y. Jung, Y. J. Na, J. H. Lee, 'Creating User-Adapted Design Recommender System through Collaborative Filtering and Content Based Filtering,' LNAI 2902, EPIA'03 International Workshop on Extraction of Knowledge from Data Bases (EKDB'03), Springer-Verlag, pp.204-208, 2003