• 정보처리학회논문지B
• /
• 제16B권1호
• /
• pp.55-62
• /
• 2009

협업여과는 추천시스템에서 널리 사용되는 기법으로 다른 사용자의 평가를 기반으로 아이템을 추천하는 기법이다. 사용자 데이터베이스를 이용하는 메모리기반 협업여과에는 사용자기반 기법과 아이템기반 기법이 있다. 사용자기반 협업여과는 유사한 선호도를 가지는 이웃사용자들의 선호도를 바탕으로 특정 아이템에 대한 선호도를 예측하는 반면, 아이템기반 협업여과는 아이템들의 유사도를 바탕으로 특정 사용자의 선호도를 예측한다. 본 논문에서는 추천의 성능을 향상시키기 위하여 이웃사용자와 이웃아이템 크기의 비율을 가중치로 하여 사용자기반 예측값과 아이템기반 예측값을 결합함으로써 최종 예측값을 생성하는 결합예측기법을 제안한다. MovieLens 데이터 셋과 BookCrossing 데이터 셋을 이용한 실험을 통해 본 논문에서 제안한 결합예측기법이 영화와 책에 대하여 사용자기반과 아이템기반보다 예측의 정확성을 향상시킴을 보인다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권5호
• /
• pp.1341-1368
• /
• 2024

The concept of privacy-preserving collaborative filtering (PPCF) has been gaining significant attention. Due to the fact that model-based recommendation methods with privacy are more efficient online, privacy-preserving memory-based scheme should be avoided in favor of model-based recommendation methods with privacy. Several studies in the current literature have examined ant colony clustering algorithms that are based on non-privacy collaborative filtering schemes. Nevertheless, the literature does not contain any studies that consider privacy in the context of ant colony clustering-based CF schema. This study employed the ant colony clustering model-based PPCF scheme. Attacks like shilling or profile injection could potentially be successful against privacy-preserving model-based collaborative filtering techniques. Afterwards, the scheme's robustness was assessed by conducting a shilling attack using six different attack models. We utilize masked data-based profile injection attacks against a privacy-preserving ant colony clustering-based prediction algorithm. Subsequently, we conduct extensive experiments utilizing authentic data to assess its robustness against profile injection attacks. In addition, we evaluate the resilience of the ant colony clustering model-based PPCF against shilling attacks by comparing it to established PPCF memory and model-based prediction techniques. The empirical findings indicate that push attack models exerted a substantial influence on the predictions, whereas nuke attack models demonstrated limited efficacy.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제7권5호
• /
• pp.1272-1290
• /
• 2013

Privacy-preserving collaborative filtering schemes are becoming increasingly popular because they handle the information overload problem without jeopardizing privacy. However, they may be susceptible to shilling or profile injection attacks, similar to traditional recommender systems without privacy measures. Although researchers have proposed various privacy-preserving recommendation frameworks, it has not been shown that such schemes are resistant to profile injection attacks. In this study, we investigate two memory-based privacy-preserving collaborative filtering algorithms and analyze their robustness against several shilling attack strategies. We first design and apply formerly proposed shilling attack techniques to privately collected databases. We analyze their effectiveness in manipulating predicted recommendations by experimenting on real data-based benchmark data sets. We show that it is still possible to manipulate the predictions significantly on databases consisting of masked preferences even though a few of the attack strategies are not effective in a privacy-preserving environment.

• Journal of applied mathematics & informatics
• /
• 제28권1_2호
• /
• pp.439-450
• /
• 2010

In this paper, we propose a new idea to evaluate the prediction accuracy of user's preference generated by memory-based collaborative filtering algorithm before prediction process in the recommender system. Our analysis results show the possibility of a pre-evaluation before the prediction process of users' preference of item's transaction on the web. Classification functions proposed in this study generate a user's rating pattern under certain conditions. In this research, we test whether classification functions select users who have lower prediction or higher prediction performance under collaborative filtering recommendation approach. The statistical test results will be based on the differences of the prediction accuracy of each user group which are classified by classification functions using the generative probability of specific rating. The characteristics of rating patterns of classified users will also be presented.

• International Journal of Advanced Culture Technology
• /
• 제1권2호
• /
• pp.1-6
• /
• 2013

In this paper, we evaluate performance of existing similarity measurement metric and propose a novel method using user's preferences information entropy to reduce MAE in memory-based collaborative recommender systems. The proposed method applies a similarity of individual inclination to traditional similarity measurement methods. We experiment on various similarity metrics under different conditions, which include an amount of data and significance weighting from n/10 to n/60, to verify the proposed method. As a result, we confirm the proposed method is robust and efficient from the viewpoint of a sparse data set, applying existing various similarity measurement methods and Significance Weighting.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.149-155
• /
• 2022

인터넷 상의 전자 상거래 시스템의 인기는 나날이 높아지고 있는데, 추천 시스템은 이러한 시스템들의 핵심 기능으로서, 고객들이 선호할만한 상품을 추천함으로써 원하는 상품을 검색하기 위한 노력을 크게 경감시킨다. 협력 필터링 기법은 많은 상업용 시스템에서 성공적으로 구현되어온 추천 알고리즘이지만 메모리 기반의 구현 방식은 학계에서의 인기와 유용함에도 불구하고 참조 인접 이웃의 부정확성이 존재한다. 본 연구에서는 이러한 문제점을 해결하고자 사용자와 항목 각각의 인접 이웃을 통합하여 활용하고, 이들과의 과거 유사성 보다 최근의 유사성을 더욱 가중하여 추천 리스트 결정에 반영하는 새로운 시간 인지 협력 필터링 기법을 제안한다. 실험 평가를 통하여, 기존의 여러 방법들보다 제안 방법이 예측 정확도 측면에서 월등한 성능을 보임을 확인하였다.

• 디지털융복합연구
• /
• 제12권8호
• /
• pp.329-335
• /
• 2014

협력 필터링은 상업적 추천 시스템에서 널리 사용되어 왔는데, 고객의 사회적 행태를 구현하여 사용자의 흥미에 부합하는 항목들을 제안하기 때문이다. 현재까지 적절한 항목을 추천하기 위한 가장 보편적인 방법은 유사한 사용자들을 찾아 그들의 평가치를 참조하는 방법이다. 본 논문은 영화를 추천하기 위해서 장르 흥미도를 기반으로 하는 새로운 유사도 공식을 제안하는데, 이는 기존 공식에서 사용자들의 평가등급 차이를 기반으로 하는 것과 대비된다. 광범위한 실험 결과에 따르면, 제안한 공식은 정확도와 추천의 질에 있어서 전통적인 유사도 공식의 성능을 크게 향상시키는 것으로 확인되었다.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.625-632
• /
• 2001

전자상점에서 이루어지는 고객의 구매패턴이 온라인 상에서 데이터베이스화되어, 이를 통하여 고객의 취향에 맞는 상품을 제공할 수 있는 많은 알고리즘이 연구되고 있다. 이러한 알고리즘은 전자상점에서 고객의 개별특성을 고려한 상품을 제공하기 위하여, 고객정보 데이터베이스와 거래정보 데이터베이스로부터 연관규칙 등을 추출하여 사용한다. 그러나 시간의 흐름에 민감한 계절상품이나 특선상품과 같이 전자상점의 거래량에 크게 직결될 수 있는 상품에도 기존의 시간을 고려하지 않은 알고리즘을 적용한다면 추천성공률이 떨어질 것이다. 따라서 본 논문에서는 시간의 영향을 많이 받는 상품추천을 위하여, 최근 전자상점 추천시스템으로 효과적인 아이템 기반 협력알고리즘에 지수적 가중치를 적용한 협력적 여과추천(EWCFR) 알고리즘을 제안한다. 또한 이러한 추천시스템이 대용량의 고객데이터와 상품데이터에 대한 연산을 수행하고 다수의 고객에게 실시간으로 서비스를 제공하여야 하므로, XML기반의 MMDB를 활용한 전자상거래 시스템과 알고리즘을 제안한다.

• 디지털융복합연구
• /
• 제14권8호
• /
• pp.313-318
• /
• 2016

현대사회에서 추천 서비스는 클라이언트-서버 기반의 인터넷 서비스에서 소셜 네트워킹으로 변화되고 있다. 특히 최근에는 크라우드소싱과 소셜 네트워킹을 통하여 사용자에게 개인화 추천을 서비스하고 있다. 소셜 네트워크 기반 시스템은 메모리와 모델 기반 협력적 필터링을 이용한 추천 서비스 제공 방식과 목적에 따라 분류할 수 있다. 이에 본 논문에서는 소셜 네트워크 기반의 {사용자-연관 디자인} 행렬을 이용한 감성 디자인 추천을 제안한다. 제안하는 방법은 소셜 네트워크 기반에서 {사용자-연관 디자인} 행렬을 구성하고 메모리 기반 협력적 필터링을 이용하여 감성 디자인을 추천한다. 제안한 방법의 성능평가는 정확도와 재현율 검증을 진행한다. 정확도의 검증은 소셜 네트워크 기반의 추천 적용유무에 따른 F-measure를 사용한다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제5권2호
• /
• pp.5-10
• /
• 2013

We proposed a novel similarity measure using weighted difference entropy (WDE) to improve the performance of the CF system. The proposed similarity metric evaluates the entropy with a preference score difference between the common rated items of two users, and normalizes it based on the Gaussian, tanh and sigmoid function. We showed significant improvement of experimental results and environments. These experiments involved changing the number of nearest neighborhoods, and we presented experimental results for two data sets with different characteristics, and results for the quality of recommendation.