미디어 사용 행태 토픽 분석을 통한 추천모델링 = Recommendation Modeling Through Media Usage Behavior Topic Analysis

다국어 초록 (Multilingual Abstract)

As online shopping and mobile media are recently activated, various feedbacks are built on users' preferences and purchases. Various approaches are being studied to improve the performance of recommendation considering individual characteristics. This study carries out clustering from media panel data through LDA topic modeling to imply the meaning of user's media use behavior, and applies a new rating, calculated by combining the existing rating and sentiment analysis on media use by cluster, to the recommendation system. We select households living with their children, and make a recommendation 31 smart devices that could be helpful for the members. We utilize the SAMC algorithm for exact inference of LDA topic modeling, and set the optimal number of topics through coherence and perplexity. We use BPR and collaborative filtering for the recommendation algorithm, and BPR provides the best performance by comparing with three performance indicators. It is indicated that the recommendation process suggested by this study provides a reasonable recommendation considering individual characteristics.

국문 초록 (Abstract)

최근에 온라인 쇼핑 및 SNS 등의 모바일 매체가 활성화됨에 따라 사용자의 선호나 구매에 대한 다양한 피드백이 구축된다. 이러한 대량의 데이터로부터 사용자의 취향을 고려한 개인화 추천의 성능을 높이기 위한 다양한 접근의 연구가 진행되고 있다. 본 연구는 LDA 토픽 모델링을 통해 미디어 패널 데이터로부터 사용자의 미디어 사용 행태의 의미를 내포한 클러스터링을 진행하고, 기존 평점과 클러스터별 미디어 사용에 대한 감정분석을 결합하여 생성한 새로운 평점을 추천시스템에 적용하고자 한다. 자녀와 함께 거주하고 있는 가구를 분석 대상으로 선정하였으며 해당 가구 구성원들의 일상생활에 도움이 될만한 스마트기기 31항목에 대한 추천을 진행하였다. LDA 토픽 모델링의 정확추론(exact test)을 위해 고급 몬테카를로 방법 중 하나인 확률적 근사 몬테카를로(stochastic approximation Monte Carlo) 알고리즘을 적용하였고 일관성 및 혼란도 지표를 통해 최적의 주제 개수를 설정하였다. 주제 클러스터별 감정 점수를 반영하여 생성한 새로운 평점을 이용하여 추천을 진행하였다. 추천 알고리즘은 BPR 알고리즘과 협업필터링을 사용하였고 본 연구의 LDA 클러스터링 추천 결과에 대해 3가지 성능 지표로 추천 검증 결과를 평가 및 비교하였다. 분석 결과, BPR의 추천 성능이 가장 우수하였으며 추천 항목을 비교하였을 때, 본 연구에서 제시하는 LDA 클러스터링 추천 결과가 사용자의 취향을 고려한 적합한 추천이 이루어졌음을 알 수 있다.

참고문헌 (Reference)

• 1 현지연 ; 유상이 ; 이상용, "평점과 리뷰 텍스트 감성분석을 결합한 추천시스템 향상 방안 연구" 한국지능정보시스템학회 25 (25): 219-239, 2019
• 2 남소희 ; 전수영, "점별 상호정보량을 이용한 LDA 토픽모형 추론" 한국자료분석학회 21 (21): 2789-2800, 2019
• 3 이수미 ; 서현아 ; 한희정, "영유아의 스마트기기 사용 실태 및 어머니의 인식" 한국보육지원학회 10 (10): 111-131, 2014
• 4 윤효준 ; 박재현 ; 윤지운, "비정형 텍스트 자료에서 잠재정보 추출을 위한 토픽모델링 소개: 치매관련 신체활동 뉴스 기사의 이슈 분석" 국민체육진흥공단 한국스포츠정책과학원 30 (30): 501-512, 2019
• 5 김동우 ; 이은령, "비이진 내재적 피드백 자료를 위한 변형된 베이지안 개인화 순위 방법" 한국통계학회 30 (30): 1015-1025, 2017
• 6 문길성, "단문의 주제 분석을 위한 LDA와 BTM 토픽모형 평가" 한국자료분석학회 23 (23): 1313-1326, 2021
• 7 Park, C. -Y., "TV program recommendation method using LDA clustering" 20 (20): 272-274, 2013
• 8 Liang, F., "Stochastic approximation in Monte Carlo computation" 102 (102): 305-320, 2007
• 9 Croft, B., "Search Engines: Information Retrieval in Practice" Addison Wesley 2009
• 10 김민정 ; 장성봉 ; 서영수 ; 전수영, "SAMC 알고리즘을 이용한 미디어 패널 개인화 추천 알고리즘" 한국자료분석학회 22 (22): 1835-1847, 2020
• 11 Blei, D. M., "Latent dirichlet allocation" 3 : 993-1022, 2003
• 12 서혜선, "LDA와 Word2vec 방법론을 이용한 의정부시 SNS 데이터의 토픽 모델링 및 시각화" 한국자료분석학회 22 (22): 2391-2403, 2020
• 13 Rendle, S., "BPR: Bayesian personalized ranking fromimplicit feedback" 452-461, 2009
• 14 Choi, H., "Analysis of daily media usage behavior and change patterns by time using topic model" 7 : 147-167, 2019
• 15 이휘재 ; 김선무 ; 변형균, "AI Speaker 대중화를 위한 콘텐츠 서비스 선택 요인에 관한 연구 – AHP(계층화 분석)를 중심으로" 한국콘텐츠학회 20 (20): 38-48, 2020