With the rapid increase in the number of blogs on the Internet, the amount of available information accumulates in an unprecedented manner. As a result, the necessity of blog recommender systems is increasing to reduce such a huge overload of information. The purpose of this thesis is to develop a recommender system for general types of blogs. The developed recommender system is based on two types of anayses. One is concerned with the interconnections among blogs, and the other focuses on the contents contained in each blog. To estimate users' preferences, the contents information (i.e., category and tag) is analyzed by Singular Value Decomposition and the network information (i.e., link and trackback) by preferential attachment.
The effectiveness of the developed recommender system is assessed using real blog data. Computational results indicate that: 1) the performance of the recommender system can be improved when both contents and network information are used simultaneously instead of using only contents information; and 2) the amounts of contribution of the contents in the category and tag to estimating user preferences are about the same.
블로그 수의 급격한 증가에 따라 웹 2.0시대 이전보다 다루어지는 정보의 양은 급격하게 증가하였다. 그러나, 다양해진 정보 이면에는 사용자에게 제공되는 정보의 과부하로 인해 사용자가 원하는 정보를 찾는데 소비하는 시간은 점점 늘어난다.
존의 추천 시스템에 관한 연구는 일반적으로 아이템 추천에 관한 것이었으며, 사용자 간의 유사성을 계산하기 위해 사용자-아이템의 행렬을 구성하고 이에 알맞은 알고리즘을 개발하였다. 그러나, 블로그는 그 자체로는 블로그를 이용하는 사용자를 나타내지만, 다른 블로그 사용자의 관점에서는 탐색하고자 하는 아이템이 된다. 결국 기존의 추천 시스템에서 다루었던 문제와는 달리 사용자와 아이템을 구분할 수 없는, 행과 열이 같은 문제가 발생한다. 또한, 블로그에는 링크(link)와 트랙백(trackback) 기능이 존재하여 블로그 간에 사회적 네트워크(social network) 관계가 형성된다는 점도 블로그 추천 시스템에서 간과할 수 없는 특징이다. 따라서 이 논문은 기존의 추천 시스템에서 다루지 못하는 블로그만의 두가지 특징을 고려하여 블로그에 적용 가능한 추천 시스템을 개발하고자 한다. 추천을 위한 선호도를 추정하는 방법에는 컨텐츠 정보는 특이값 분해를 통해 네트워크 정보는 선호적 연결을 이용하였다. 이 결과 두가지의 시사점을 얻었다. 첫째, 블로그의 컨텐츠 정보만을 가지고 추천할 경우 추천의 질이 네트워크 정보를 결합하였을 때보다 상대적으로 매우 저하된다. 둘째, 카테고리와 태그의 경우 반영 비율의 변화에 따른 뚜렷한 패턴을 발견할 수 없었다.
