사용자 정보를 이용한 모바일 추천 기법 = The User Information-based Mobile Recommendation Technique

국문 초록 (Abstract)

모바일 기기의 사용이 급증하면서 앱 스토어를 이용하는 사용자들 또한 증가하고 있다. 그러나 앱 스토어들은 대부분 단순한 랭킹 방식의 추천을 사용하므로 추천의 정확성이 떨어진다. 본 논문에서는 사용자에게 더 적합한 아이템을 추천하기 위해 사용자 정보 가중치와 아이템의 최근 선호 정도를 반영한 기법을 제안한다. 제안하는 기법은 데이터 셋을 카테고리별로 구분한 후 협업필터링 기법에 사용자 정보 가중치를 적용하여 예측값을 추출한다. 카테고리별로 아이템에 대한 최근 선호 정도를 반영하기 위해 특정 기간을 지정한 아이템 평가값 평균을 구한다. 최종적으로 두 결과 값을 결합하여 아이템을 추천한다. 실험을 통해 제안한 기법이 기존의 아이템 기반, 사용자 기반 기법보다 추천의 정확성과 적합성이 향상되는 것을 확인하였다.

다국어 초록 (Multilingual Abstract)

As the use of mobile device is increasing rapidly, the number of users is also increasing. However, most of the app stores are using recommendation of simple ranking method, so the accuracy of recommendation is lower. To recommend an item that is more appropriate to the user, this paper proposes a technique that reflects the weight of user information and recent preference degree of item. The proposed technique classifies the data set by categories and then derives a predicted value by applying the user's information weight to the collaborative filtering technique. To reflect the recent preference degree of item by categories, the average of items' rating values in the designated period is computed. An item is recommended by combining the two result values. The experiment result indicated that the proposed method has been more enhanced the accuracy, appropriacy, compared to item-based, user-based method.

참고문헌 (Reference)

• 1 박지선, "추천 시스템을 위한 2-way 협동적 필터링 방법을 이용한 예측 알고리즘" 한국정보과학회 29 (29): 669-675, 2002
• 2 김희웅, "모바일 앱 구매 결정에 끼치는 영향요인 : 탐색적 연구" 한국전자거래학회 16 (16): 173-195, 2011
• 3 KTOA, "The trend and vision of smartphone application market" 52 : 2010
• 4 "The Financial News, 2012. 04. 01"
• 5 J. Jiguang, "TDCF: Time Distribution Collaborative Filtering Algorithm" 1 : 98-101, 2008
• 6 J. Jiguang, "TDCF: Time Distribution Collaborative Filtering Algorithm" 1 : 98-101, 2008
• 7 Clark, N., "Smartphone users 'will download 17 bn apps in 2011'"
• 8 P. Renick, "Recommender systems" 40 (40): 56-58, 1997
• 9 J. B. Schafer, "Recom-mender systems in e-commerce" 158-166, 1999
• 10 Korea Communications Commission, "Opening of the smartphone popularization exception : the number exceeded 20000000"
• 11 M. Pazzani, "Learning and revising user profiles : the identification of interesting Web sites" 27 (27): 313-331, 1997
• 12 "KOCCA focus 2011-20,(no.48)"
• 13 B. Sarwar, "Item-based Collaborative Filtering Recommendation Algorithms" ACM Press 285-295, 2001
• 14 B.M. Sarwar, "Item-based Collaboratie Filtering Recommendation Algorithms" ACMPress 285-295, 2001
• 15 P. Resnick, "GroupLens : an open architecture for collaborative filtering of netnews" 175-186, 1994
• 16 J. A. Konstan, "GroupLens : Applying Collaborative Filtering to Usenet News" 40 (40): 77-87, 1997
• 17 J. B. Schafer, "E-Commerce Recommendation Application" 5 (5): 115-153, 2001
• 18 Ju-Hong Song, "Desing of Recommendation System about User Customized Smart Phone Application" 156-159, 2010
• 19 T. Hofmann, "Collaborative Filtering via Gaussian Probabilistic Latent Semantic Analysis" 259-266, 2003
• 20 B. Yan, "Appjoy: Personalized mobile application discovery" 113-126, 2011
• 21 Su-Jeong Ko, "A Recommender Agent using Associtation Item Trees" Korean Institute of Information Scientists and Engineers 36 (36): 298-305, 2009