능동적 도메인 선택을 이용한 교차 도메인 추천 시스템에 관한 연구

2.1 협업 필터링

협업 필터링은 상품에 대한 사용자의 과거 평가 이력을 분석하여 선호도가 유사한 이웃을 탐색하고 미경험 항목에 대한 선호도를 예측하는 사회적 추천 방법이다. 협업 필터링은 사용자 간 유사도를 구하는 사용자 기반(User-based) 방법과 항목 간 유사도를 구하여 추천하는 항목 기반(Item-based) 방식이 있다[7].

2.2 내용 기반 추천

내용 기반 추천은 항목 설명 및 사용자의 기본 설정 프로필을 기반으로 추천을 하는 방식으로, 항목의 속성(attribute)을 기술하는 다양한 정보를 바탕으로 유사한 항목을 추천하는 방법이다. 이 방법은 사용자가 과거에 좋아했던 것과 유사한 항목이 추천되며, 다양한 후보 항목이 사용자에 의해 이전에 평가된 항목과 비교되고, 가장 매칭되는 항목이 추천된다[8][10].

2.3 혼합 추천

혼합 추천 시스템은 협업 필터링과 내용 기반 필터링을 결합한 방식으로서 내용 기반 및 협업 기반 예측을 개별적으로 작성한 다음 결합하는 방법, 협업 기반 방식에 내용 기반 기능을 추가하는 방법, 내용 기반 방식에 협업 기반 기능을 추가하는 방법, 접근법을 하나의 모델로 통합하여 구축하는 방법 등 여러 가지 방법으로 구현될 수 있다[9][10].

2.4 교차 도메인 추천

각 도메인을 독립적으로 처리하는 대신에 원본 도메인(Source domain)에서 습득한 지식을 다른 대상 도메인(Target domain)을 위해 사용하는 추천을 교차 도메인(Cross domain) 추천이라고 한다. 이를 통해 초기 사용자 문제와 희박성 문제를 개선할 수 있고, 정확도(Accuracy)나 참신성(Serendipity) 및 다양성(Diversity) 등도 향상시킬 수가 있다[4][5][11].

2.5 연관규칙 마이닝

연관규칙(Association rules) 마이닝은 데이터 간의 연관 법칙을 찾는 방법으로서 소비자들이 항목을 구매하는 이력을 이용하여 항목 간의 연관관계를 만들고, 연관이 있는 항목 찾기를 목표로 한다. 대표적인 알고리즘으로는 Apriori 알고리즘, FP-growth 알고리즘, DHP 알고리즘 등이 있다[12]. Apriori 알고리즘은 데이터에 대한 발생 빈도를 기반으로 각 데이터 간의 연관관계를 밝히기 위한 방법으로, K번째 항목집합이 K+1번째 항목집합을 발견하기 위해 사용되는 레벨 단위로 진행되는 반복 접근법을 사용한다. X와 Y가 한 개 이상의 항목을 포함한 항목집합이라고 했을 때 연관규칙은 X→Y와 형식으로 표현하고, X→Y는 ‘항목집합 X를 구매하면 항목집합 Y를 구매할 가능성이 있다’라고 해석을 한다.

3.1 능동적 원본 도메인 선택을 이용한 교차 추천 모델

제안하는 교차 도메인 추천 시스템은 집단 지성과 개인 선호도를 모두 반영함으로써 평가 이력이 없는 초기 사용자에게 정확도가 개선된 추천 결과를 제공할 수 있다.

추천의 절차는 그림 2와 같다. 대상 도메인에 사용자의 평가 이력이 있는 경우에는 기존의 협업 필터링을 사용하여 추천하고, 대상 도메인에 사용자의 평가 이력이 없는 경우에는 다른 도메인의 평가 정보를 사용하여 교차 도메인 추천을 하게 된다.

Fig. 2.

Cross-domain recommendation process using active source domain selection

이때 추천에 사용되는 원본 도메인은 대상 도메인과 연관도가 높은 도메인을 능동적으로 선정한다. 연관도가 높은 도메인을 원본 도메인으로 사용하여 교차 도메인 추천을 하는 것에 대한 성능은 연관도가 높은 도메인을 선정하는 경우, 연관도가 낮은 도메인을 원본 도메인으로 하여 추천하는 경우에 대해 비교, 분석한다.

3.2 도메인 간 연관도 판정을 위한 후보 지표

도메인 간의 연관도를 판정하기에 적합한 지표를 찾기 위해서 그림 3에 있는 4개의 식으로 연관도를 계산한다. 계산값을 근거로 하여 연관도가 높은 도메인을 원본 도메인으로 선정하여 각각 추천을 실행한 후, 추천의 정확도를 비교하고 추천의 정확도가 가장 좋은 후보 지표를 연관도 판정을 위한 지표로 선정한다.

Fig. 3.

4-candidate indicators for determining association between domains

그림 3의 (a) 교차구매자율(CPUR)과 (b) 교차구매율(CPR)은 사용자에 기반한 지표이다. 식 (1)에서 pu_dA와 pu_dB는 도메인 A, 도메인 B 각각에 구매 이력이 있는 사용자를 말하며, pu_dA,dB는 교차 구매 이력이 있는 사용자를 말한다. 식 (2)에서 r_dA, r_dB는 도메인 A, 도메인 B 항목에 대한 사용자의 평가 내역을, r_dA,dB는 교차 구매 이력이 있는 사용자의 평가 내역을 의미한다.

그림 3의 (c) 항목 간 연관규칙율(ICARR)과 (d) 카테고리 간 연관규칙율(CCARR)은 항목에 기반한 지표이다. 식 (3)과 (4)에서 IAR은 두 도메인에서 항목 간의 연관규칙을, CAR은 두 도메인에서 카테고리 간의 연관규칙을 말하며, ICAR은 두 도메인의 항목 간 교차 연관규칙, CCAR은 두 도메인의 카테고리 간 교차 연관규칙을 말한다.

3.3 도메인 간 교차 연관규칙 추출

그림 3에 있는 연관규칙율을 계산하기 위해서는 먼저 도메인의 항목 간 그리고 카테고리 간 연관규칙을 생성해야 하는데, 본 연구에서는 2장에서 소개한 Apriori 알고리즘을 적용하여 연관규칙을 생성한 후, 도메인 간에 교차되어 생성된 규칙을 추출한다. 예컨대 {B00814ZBYW-Baby} -> {B0038MU CWS-VG}은 유아용품 ‘B00814ZBYW을 구매하면 비디오 게임 B0038MUCWS을 구매할 가능성이 있다’는 교차 연관규칙이 생성된 것이다.

3.4 능동적 원본 도메인 선택을 통한 교차 도메인 추천

비디오 게임을 구매하려고 하는 사용자_A에게 비디오 게임을 추천하고자 할 때, 사용자_A의 비디오 게임 평가 이력이 존재하는 경우에는 협업 필터링 알고리즘에 의해 사용자_A와 유사한 성향을 갖는 이웃들을 찾고, 그들이 구매한 항목을 기반으로 하여 추천한다. 그런데 사용자_A에 대해 비디오 게임의 평가 이력 정보가 없는 경우에는 어떻게 할 것인가. 이 경우에는 도메인 간 연관도 테이블을 기반으로 하여 연관도가 높은 도메인을 원본 도메인 후보 그룹으로 추출하고, 원본 도메인 후보 그룹의 각 도메인에 대해서 사용자_A의 평가 이력을 확인하여 사용자_A의 평가 이력 데이터가 존재하는 도메인 또는 도메인 그룹을 최종 원본 도메인으로 선정한다.

원본 도메인이 선정된 다음, 교차 도메인 추천 알고리즘에 의해 추천 결과를 생성한다. 이에 대한 알고리즘은 그림 4와 같다.

Fig. 4.

Recommendation algorithm using adaptive source domain selection

실험을 위해서 먼저 두 도메인 간 중복 사용자 목록을 추출한다. 각 사용자마다 원본 도메인에서 구매한 항목 목록을 추출하고, 추출한 항목 목록을 기반으로 각 항목을 구매한 사용자 목록을 추출한다. 이 사용자들이 대상 도메인에서 구매한 항목들과 평점 정보를 기반으로 하여 이웃을 계산하고 추천을 한다. 실험을 위해서 표 2의 6개 알고리즘을 사용하여 추천하고 비교하였다.

4.1 실험 환경 및 데이터

본 연구의 실험을 위하여 장비는 Intel Core i5-8265U CPU, 16GB 메모리를 사용하였으며, 프로그램은 아나콘다 환경에서 파이썬 3.7을 사용하였고, 그 밖에 SQL Server 및 엑셀을 사용하였다.

데이터 셋은 1996년 5월부터 2014년 7월까지 평점 등 제품에 대한 리뷰 및 메타 데이터를 포함하고 있는 아마존 데이터 셋[13] 중 10개의 도메인을 대상으로 실험을 하였으며, 데이터 셋에 대한 기본 정보는 표 1과 같다.

Table 1.

Information about the data set

교차 도메인 추천을 위해 표 2와 같이 6개의 알고리즘을 사용하여 비교하였고, 성능 평가를 위해서는 평균 절대 오차(MAE: Mean Absolute Error)와 평균 제곱근 오차(RMSE: Root Mean Square Error)를 사용하였다. 평균 절대 오차는 예측 선호도와 실제 선호도 값의 차이의 평균을 의미하고, 평균 제곱근 오차는 오차제곱 평균의 제곱근으로 계산한다[14].

Table 2.

Algorithm used for recommendation

4.2 성능 평가

비디오 게임(VG)을 기준으로 하여 연관도 측정에 가장 적합한 지표를 찾기 위해 3.1에서 제시한 식에 의해 계산한 결과는 그림 5와 같다.

Fig. 5.

Association measurement result by 4-indicators

표 3은 4개의 지표에 따라 연관도가 높게 나온 원본 도메인을 선정하여 추천을 하고, 추천 성능 비교를 위해 RMSE와 MAE를 계산한 결과이다. 교차구매자율(CPUR)과 교차구매율(CPR)에 대해서는 Movie 도메인과의 연관도가 가장 높았으며, 항목 간 연관규칙율(ICARR)은 Toy와, 카테고리 간 연관규칙율(CCARR)은 Movie와의 값이 가장 높았다. 추천 결과에 대해서는 Toy, Video를 원본 도메인으로 선택하여 추천을 한 정확도가 우수한 것으로 나타났고, 이 결과는 4개의 식 중에서 ICARR의 결과와 유사함을 보여주고 있다.

Table 3.

Association ranking by 4-candidate indicators and comparison for recommendation accuracy

그림 6은 ICARR이 높은 Toy, Video를 상위그룹(SSH), ICARR이 0%인 CD, App, BT, Movie, Book 등 5개 도메인을 하위그룹(SSL)으로 구분하고 추천 성능을 비교한 결과이다.

Fig. 6.

Recommendation performance according to association degree

실험 결과에 의하면 RMSE의 경우, 6개의 알고리즘 모두에서 연관도가 높은 도메인을 원본 도메인으로 하여 추천을 하는 것의 성능이 우수하였다. MAE의 경우, SVD와 CI를 제외한 나머지 알고리즘에서 연관도 높은 도메인을 사용한 추천 성능이 우수하였다. 연관도가 낮은 도메인을 사용한 추천 성능이 우수하다고 나온 SVD와 CI 알고리즘의 경우에는 오차율이 다른 알고리즘에 비해 큰 것으로 나타났다. 또한 6개의 알고리즘 중에서 피어슨 유사도를 사용한 기법의 오차율이 상대적으로 적음도 확인할 수 있었다.