earticle

한국어

협업 필터링 기법은 사용자 간 구매패턴의 유사성을 통해 상품의 선호도를 예측하는 추천 시스템이다. 우수한 성능으로 산업계와 학계에서 가장 많이 활용되지만, 사용자-상품 매트릭스의 선호도만을 이용하여 추천이 이루어져 사용자의 감성 정보를 추천과정에 반영하지 못한다는 한계가 존재한다. 이를 개선하는 다양한 연구가 계속해서 이루어지고 있는 가운데, 텍스트 마이닝 기술인 TF-IDF 분석과 단어 빈도수 분석을 통해 사용자 리뷰 유사성을 도출하여 협업 필터링의 성능을 개선한 시도가 있었지만, 통계적으로 유의한 성능의 향상이 이뤄지지 못했다. 또한 대부분의 연구가 영어 데이터를 사용하여 국내 사용자를 대상으로 할 경우 쉽게 적용되기 힘든 점이 있다. 이에 본 연구에서는 한국어 리뷰 데이터에 TF-IDF 분석 외에 오피니언 마이닝을 추가로 적용하고 사용자 간 유사도 산출 시 평점 데이터와 함께 오피니언 마이닝이 적용된 정성 데이터를 동시에 고려하여 추천 시스템의 성능 향상을 시도한다. 또한 정성 데이터와 평점 데이터의 결합 과정에서 다양한 결합 비율을 적용하여 최적의 성능을 보여주는 고도화된 하이브리드 추천 시스템을 제안한다.