A Study of Music Recommendation System in P2P Network using Collaborative Filtering

P2P 환경에서 협업 필터링을 이용한 음악 추천 시스템에 대한 연구

In this paper, we propose a new P2P-based music recommendation system. In comparison with previous system in client-server environment, the proposed system shows higher quality of music recommendation through real-time sharing of music preference information between peers. A collaborative filtering is implemented as a recommendation algorithm. As a user preference profile, we use the inherit KID music genre index contained in all legitimate music file instead of music feature vectors as in previous research so that the proposed system can mitigate the performance degradation and high computational load caused by feature inaccuracy and feature extraction. The performance of the proposed system is evaluated in various ways with real 16-weeks transaction data provided by Korean music portal, 5 company and it shows comparative quality of recommendation with only small amount of computational load.

본 연구에서는 P2P 네트워크 기반의 음악 추천 시스템을 새로이 제안하였다. 제안 시스템은 기존 Client-Server 환경의 추천 시스템과 달리 P2P 구조에서 사용자 peer들 간에 실시간으로 선호 음악 정보를 공유함으로써 보다 정확한 음악 추천을 할 수 있는 장점을 가진다. 추천 알고리즘으로는 협업 필터링 기술을 사용하였다. Peer 사용자의 음악 선호도 특성을 나타내는 사용자 프로파일(user profile)은 모든 합법적 음악파일이 포함하고 있는 고유 KID장르 색인을 사용하였기 때문에 기존 연구와 같이 부정확한 특징벡터 추출로 인한 시스템 성능 저하와 연산 부하를 줄일 수 있는 장점이 있다. 제안 시스템의 성능 평가는 국내 음악포탈 회사인 S사의 약 16주 분량 실제 사용자 음악 청취 기록과 유료 다운로드 기록을 바탕으로 다양하게 수행하였으며 그 실용성을 입증하였다.