Database Research (데이타베이스연구회지:데이타베이스연구)

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

Temporal Interval Refinement for Point-of-Interest Recommendation

장소 추천을 위한 방문 간격 보정

  • 김민석 (한국과학기술원 지식서비스공학대학원) ;
  • 이재길 (한국과학기술원 지식서비스공학대학원)
  • Received : 2018.10.17
  • Accepted : 2018.12.14
  • Published : 2018.12.31

⟨ Previous Next ⟩

Abstract

Point-of-Interest(POI) recommendation systems suggest the most interesting POIs to users considering the current location and time. With the rapid development of smartphones, internet-of-things, and location-based social networks, it has become feasible to accumulate huge amounts of user POI visits. Therefore, instant recommendation of interesting POIs at a given time is being widely recognized as important. To increase the performance of POI recommendation systems, several studies extracting users' POI sequential preference from POI check-in data, which is intended for implicit feedback, have been suggested. However, when constructing a model utilizing sequential preference, the model encounters possibility of data distortion because of a low number of observed check-ins which is attributed to intensified data sparsity. This paper suggests refinement of temporal intervals based on data confidence. When building a POI recommendation system using temporal intervals to model the POI sequential preference of users, our methodology reduces potential data distortion in the dataset and thus increases the performance of the recommendation system. We verify our model's effectiveness through the evaluation with the Foursquare and Gowalla dataset.

장소추천시스템은 시간과 장소가 주어졌을 때, 사용자에게 가장 흥미로운 장소를 추천해주는 시스템을 말한다. 스마트폰과 사물인터넷(IoT), 장소기반 소셜네트워크(LBSN)의 발달에 힘입어 사용자들의 방대한 양의 장소 방문 데이터를 축적하게 되었고, 이를 통해 특정한 시점에 사용자들이 원하는 장소를 적절히 추천해줄 수 있는 장소추천시스템의 중요성이 부각되었다. 장소추천시스템은 사용자의 방문(Check-in) 횟수라는 암시적 피드백(Implicit feedback) 데이터에서 사용자의 시퀀스 선호(Sequential preference)를 이끌어내어 높은 성능을 내기 위한 연구들이 제안되었다. 하지만 시퀀스 선호 정보를 활용하여 모델을 구성하는 경우, 데이터의 밀도가 더욱 희박해지고 이에 따라 적은 수의 데이터에 기반하여 구축되는 모델의 성능이 왜곡될 가능성이 존재한다. 본 연구에서는 신뢰도(Confidence)에 기반하여 방문 주기를 보정하는 방법론을 제안한다. 사용자의 시퀀스 선호 정보로부터 도출된 장소 간 방문 시간전이간격(temporal transition interval)을 활용하여 추천시스템을 구성할 때, 해당 방법론을 통하여 데이터의 왜곡을 보정함으로써 추천시스템의 성능을 향상하였다. 제안하는 방법의 효과를 검증하기 위하여, Foursquare와 Gowalla의 데이터셋을 이용한 비교실험을 통해 제안하는 방법론의 우수성을 보였다.

Keywords

Acknowledgement

Grant : 국토공간정보의 빅데이터 관리, 분석 및 서비스 플랫폼 기술개발

Supported by : 국토교통부

References

  1. Anastasios Noulas, Salvatore Scellato, Cecilia Mascolo and Massimiliano Pontil, "An empirical study of geographic user activity patterns in foursquare", The 5th Int'l AAAI Conf. on Web and Social Media (ICWSM), 2011.
  2. Yanchi Liu, Chuanren Liu, Bin Liu, Meng Qu and Hui Xiong, "Unified Point-of-Interest Recommendation with Temporal Interval Assessment", In Proc. of the ACM Int'l Conf. on Knowledge Discovery and Data Mining (SIGKDD), pages 1015-1024, 2016.
  3. Badrul Sarwar, George Karypis, Joseph Konstan and John Riedl, "Item-Based Collaborative Filtering Recommendation Algorithms", In Proc. 10th Int'l Conf. on World Wide Web(WWW), pages 285-295, 2001.
  4. Jonathan Herlocker, Joseph Konstan, Al Borchers and John Riedl, "An Algorithmic Framework for Performing Collaborative Filtering", In Proc. of int'l ACM SIGIR Conf. on Research and Development in Informaion Retrieval (SIGIR), pages 230-237, 1999.
  5. Yehuda Koren, Robert Bell and Chris Volinsky, "Matrix Factorization Techniques for Recommender Systems" Computer, pp. 42-49, 8 2009.
  6. Jian Wang and Yi Zhang, "Opportunity Models for E-commerce Recommendation: Right Product, Right Time", In Proc. of int'l ACM SIGIR Conf. on Research and Development in Informaion Retrieval (SIGIR), pages 303-312, 2013.
  7. Huiji Gao, Jiliang Tang, Xia Hu and Huan Liu, "Exploring temporal effects for location recommendation on location-based social networks", The ACM Recommender Systems Conf. (RecSys), 2013.
  8. Dingqi Yang, Daqing Zhang, Vincent W. Zheng and Zhiyong Yu, "Modeling User Activity Preference by Leveraging User Spatial Temporal Characteristics in LBSNs" IEEE Trans. on Systems, Man, and Cybernetics: Systems (TSMC), 45(1), pages 129-142, 2015. https://doi.org/10.1109/TSMC.2014.2327053
  9. Eunjoon Cho, Seth A. Myers and Jure Leskovec, "Friendship and Mobility: User Movement in Location-Based Social Networks", In Proc. of the ACM Int'l Conf. on Knowledge Discovery and Data Mining (SIGKDD), pages 1082-1090, 2011.