This site is deprecated and no longer maintained. Please visit the new site for up-to-date information.

This site is deprecated and no longer maintained. Please visit the new site for up-to-date information.

Adaptive Context-Aware Recommendation

From IDSlab

Jump to: navigation, search

Contents

Overview

본 연구에서는 그래프 기반의 적응적인 다차원 상황인지 추천을 연구한다. 데이터는 끊임없이 변화하고 때로는 새로운 데이터 소스가 추가되거나 삭제되기도 한다. 계속해서 변화하는 그래프 상에서 다차원 상황인지 추천을 수행하고, 사용자의 피드백을 활용하여 추천 성능을 개선하는 연구를 수행한다.


Research Contents

그래프 변화에 빠르게 대응하며, 정확한 추천 결과를 제공하는 다차원 상황인지 추천 엔진 개발을 큰 목표로하고, 다음과 같이 3차년도에 나누어서 세부 목표를 달성한다.


1차년도: 그래프 기반의 다차원 상황인지 추천 연구

그래프 기반의 근접성 척도를 이용한 추천방식은 동종(homogeneous) 그래프를 가정하고 있다. 이종 노드 사이의에서 추천의 의미에 맞는 근접성 척도를 개발하고, 이를 빠르게 계산할 수 있는 알고리즘의 개발을 목표로 한다.


  • 이종 노드 사이의 근접성 측정 지표
  • Top-k 근접 노드 추정 알고리즘

2차년도: 변화하는 그래프 데이터를 반영하는 추천 연구

동적으로 변화하는 그래프 데이터에 대응하여 상황인지 추천 엔진도 변화된 결과를 추천해야 한다. 1차년도에 정의한 추천을 위한 그래프 근접성 척도의 계산을 두 가지 방식으로 구분하여, 사전계산 없이 새로운 데이터에 적응하는 방법과, 변화한 노드 정보만을 업데이트 하는 방식으로 적용해본다.


  • 사전계산이 없는 근접 노드 추정 알고리즘
  • 델타 분석에 기반한 근접성 측정 알고리즘

3차년도: 사용자의 피드백을 활용하여 추천 성능을 개선하는 연구

추천 결과에 대한 사용자의 피드백은, 추후 추천 성능을 향상시키는데 큰 도움이 된다. 그래프 상에서의 근접성 척도 기반 추천의 관점에서 보면, 사용자가 긍정적인 반응을 보였던 추천 결과의 주변에 있는 컨텐츠에 가중치를 주고, 부정적인 반응을 보였던 결과에서 먼쪽으로 가중치를 주는 접근이 필요하다. 사용자의 피드백 종류에 따라 두 가지 관점에서 연구를 진행한다.


  • 사용자의 명시적 피드백을 반영한 추천
  • 사용자의 암시적 피드백을 반영한 추천