신뢰/불신 정보를 활용한 사회적 추천 시스템 (Matrix Factorization)
Source
Evernote/Inbox/Matrix Factorization with Explicit Trust and Distrust Side Information for Improved Social Recommendation.md
Summary
온라인 소셜 네트워크의 발전으로 추천 시스템의 중요성이 커졌으나, 데이터 희소성 및 콜드 스타트 문제가 존재한다. 본 논문은 이러한 문제를 완화하기 위해 사용자 간 명시적 신뢰(trust) 및 불신(distrust) 관계를 평점 데이터와 결합하여 추천 성능을 개선하는 행렬 분해(Matrix Factorization) 기법을 제안한다. 사회적 맥락이 사용자의 선택에 미치는 영향을 고려한 접근 방식이다.
Key Points
- 추천 시스템의 주요 문제점: 데이터 희소성(data sparsity) 및 콜드 스타트(cold-start) 문제
- 해결 방안: 사용자 간 신뢰(trust) 및 불신(distrust) 관계를 포함한 사회적 정보 활용
- 기술적 접근: 명시적 신뢰/불신 측 정보를 통합한 행렬 분해(Matrix Factorization) 알고리즘
- 배경: ACM Transactions on Information Systems (TOIS) 게재 논문 (2014)
- 저자: Rana Forsati, Mehrdad Mahdavi, Mehrnoush Shamsfard, Mohamed Sarwat
Related
-
Nonlinear Latent Factorization by Embedding Multiple User Interests
-
Stock Selection Model Based on Machine Learning with Wisdom of Experts and Crowds
-
Web Service Compositions with Fuzzy Preferences: A Graded Dominance Relationship-Based Approach
-
Knowledge-Based Approaches to Information Management in Coalition Environments
-
Knowledge-Based Approaches to Information Management in Coalition Environments
-
Similarity-based Clustering by Left-Stochastic Matrix Factorization
-
Beyond Text QA: Multimedia Answer Generation by Harvesting Web Information
-
Smooth Nonnegative Matrix Factorization for Unsupervised Audiovisual Document Structuring
-
사회적·공간적 근접성을 활용한 공동 검색 (Joint Search by Social and Spatial Proximity)
-
Moment-Based Spectral Analysis of Large-Scale Networks Using Local Structural Information