Due to the rapid increase of available contents via the convergence of broad-casting and internet, the efficient access to personally preferred contents has become an important issue. In this thesis, for recommendation using collaborative filtering technique is studied.
For recommendation of user preferred TV programs, our proposed recommendation scheme consists of offline and online computation. At first during offline computation, (1) reasoning each user's preference in TV programs in terms of program contents, genres and channels; and (2) clustering users based on each user's preference profile by dynamic fuzzy clustering method. And secondly during online computation after active user logs in, (1) pulling similar users to an active user by similarity measure based on the standard preference list of active user; (2) sorting the watched TV programs of the similar users according to the preferences; (3) filtering-out of the sorted TV programs which do not exist in EPG; and (4) ranking of the remaining TV programs for recommendation.
Especially, in this thesis, the BM (Best Match) algorithm is extended to make the TV programs be ranked by taking into account the TV program preference. For the proposed scheme for collaborative filtering based TV program recommendation, the proposed extension to the BM model for ranking outperforms the $\It{J. Wang}$'s rank model. The experimental results show that the proposed scheme with the extended BM model yields for the 5 item recommendation, 79% in prediction accuracy for which the $\It{J. Wang}$'s rank model resulted in 54% in prediction accuracy with 109 people.
통신과 방송의 융합을 통해 일반 사용자들이 이용 가능한 콘텐츠의 급격한 증가로 인해, 수 많은 콘텐츠 중에서 사용자가 원하는 콘텐츠로의 접근성을 효율적으로 만들어 주는 것은 주요한 이슈가 되고 있다. 이 논문은 협업 필터링 기술을 이용한 추천 시스템에 대해 연구를 진행하였다.
개인 사용자가 선호하는 TV 프로그램의 추천을 위해서, 제안하는 추천 시스템은 오프라인 계산과 온라인 계산을 하는 구조를 지니고 있다.
먼저 오프라인 시에, TV프로그램에 대한 각 개인 사용자들의 선호도를 추론 한다. 이 때, 프로그램 자체에 대한 선호도와 장르에 대한 선호도 그리고 채널에 대한 선호도를 추론하도록 한다. 그리고, 각 사용자들의 추론 선호도를 기반으로 동적 클러스터링 기법을 사용하여, 사용자들을 그룹 짓는다. 그리고, 온라인 시에, 특정 사용자가 로그인 하고 나면, (1) 특정 사용자와 유사한 성향을 지닌 사용자들을 프로그램 선호도를 기준으로 추출한다.; (2) 그리고 이러한 유사 취향 사용자들의 선호 프로그램들을 나열하고, (3) 이 프로그램들 중 EPG에 존재하지 않는 프로그램들을 추천 후보 항목에서 제외 시키도록 한다. (4) 이러한 추천 후보 항목 들을 랭킹 모델을 기반으로 점수에 따라 정렬한다.
이 논문에서는 특히 BM (Best Match) 알고리즘을 TV 프로그램 선호도를 고려하여 랭킹 모델로 확장하였다. 협업 필터링을 기반으로 한 TV 프로그램 추천을 위해서 확장하여 제안된 이 모델은 J. Wang 의 랭킹 모델에 비해 더 나은 성능을 보임을 확인할 수 있었다. 109 명의 샘플 사용자들에 대해서 각 5개의 프로그램을 추천하였을 경우, 제안한 모델의 경우 79% 의 예측 정확도를 보인 반면, J. Wang 모델의 경우 54%의 예측 정확도를 보였다.
