Mass customization in internet marketing and the overwhelming amount of information to be processed each day lead internet users to a growing interest in collaborative recommendation systems which suggest products and services to users. Collaborative Filtering (CF) has been used successfully at e-commerce sites like Amazon.com and JCPenny.
Despite its popularity, CF has some limitations. In traditional CF, all the ratings are weighted equal regardless of the error they contain. This is problematic, because each rating can have different level of error.
In this paper, an adaptive collaborative filtering algorithm is proposed. The suggested algorithm captures the level of error that each rating contains, and utilizes the captured knowledge to increase the adaptability of the collaborative filtering recommendation. The concept of the adaptive weight proposed to express the relative informational value of each rating in numerical form. The performance of suggested algorithm is verified by conducting an experiment.
매일 처리되어야 하는 많은 양의 정보로 인해 협동필터링에 대한 관심이 높아지고 있다. 영화, 책, 음악 등 다양한 제품과 서비스를 사용자에게 추천하는 협동필터링은 Amazon.com, JCPenny등의 사이트에 성공적으로 적용되어 사용되고 있다.
협동필터링은 비록 널리 사용되고는 있지만 몇 가지 문제점을 가지고 있다. 협동필터링은 사용자들의 선호정보를 바탕으로 추천을 한다. 이 선호정보들은 각각 다른 정도의 에러를 포함하고 있다. 하지만 전통적인 협동필터링에서는 모든 정보들을 동등한 정보로서 취급 받고 이로 인해 추천의 오류가 커지게 된다.
본 연구에서는 추천에 참여하는 선호정보들에 포함된 에러의 상대적인 정도를 나타내는 Adaptive Weight라는 변수를 제시하여 각 선호정보들 마다 다른 정보로서의 가치를 측정하는 것이 가능하게 하였다. 이 제안된 변수를 활용하여 정보로서의 가치가 높은 선호정보를 적극 활용하고 에러를 많이 포함한 선호정보의 사용을 자제함으로써 적응적인 추천을 하는 협동필터링 알고리즘을 제시하였다.
