The online music industry has been growing at a fast pace, especially during the recent years. Even music sales have moved from physical sales to digital sales, paving the way for millions of digital music becoming available for all users. However, this produces information overload, where there are so many items available due to, virtually, no storage limitations, it becomes difficult for users to find what they are looking for. There have been many approaches in recommending music to users to tackle information overload, one successful approach is collaborative filtering, which is currently widely used in commercial services. Although collaborative filtering produces very satisfiable results, it becomes prone to popularity bias, recommending items that are correct recommendations but quite 'obvious'. In this thesis, a new recommendation algorithm is proposed that is based on collaborative filtering and focuses on producing novel recommendations. The algorithm produces novel, yet relevant, recommendations to users based on analyzing the users’ and the entire population’s listening behaviors. An online user test shows that the system is able to produce relevant and novel recommendations and has greater potential with some minor adjustments in parameters.
온라인 음악 시장은 최근 급속한 성장세를 보이고 있다. 음반 판매 역시 과거 오프라인 판매에서 온라인을 통한 디지털 판매로 변화하고 있으며, 소비자는 수백만 곡의 디지털 음원을 온라인을 통해 손쉽게 접근할 수 있다.
그러나 이러한 온라인 음악시장의 성장은 정보의 과잉 현상을 초래하였다. 정보 저장의 무한정한 확장이라는 온라인의 특성상 온라인 음악 이용자는 너무나 많은 음악 정보를 한번에 접근할 수 있는 기회를 가지게 된 것이다. 그 결과 이용자가 진정으로 찾고자 하는 음악에 손 쉽게 접근하는 것은 점점 어려워지고 있다. 이러한 음악 정보 과다 속에서 이용자의 음악 감상을 돕기 위하여 다양한 음악 추천시스템이 연구되고 있는 것은 이러한 문제점을 개선하려는 시도이다.
가장 성공적인 방식의 하나는 바로 협업적 필터링(collaborative filtering)이다. 이는 현재 상업 서비스에서 가장 활발히 사용되고 있는 방식이다. 그러나 이러한 협업적 분류를 통한 음악추천이 이용자에게 적합한(relevant) 음악추천 결과를 제시함에도 불구하고 이는 다수의 대중들에게 친숙한 곡만을 추천한다는 한계점(popularity bias)에 봉착한다. 즉, 추천의 결과가 이용자가 만족할만한 음악이기는 하나 이는 너무나 명백한 결과, 예를 들어 이용자가 이미 충분히 알고 있던 결과이기에 그 추천이 음악 정보의 과잉 상태에서 이용자가 원하는, 그들이 잘 알지 못하는 음악을 찾아내는 데는 명백한 한계를 드러낸다는 것이다.
따라서 본 연구는 협업적 필터링에 기반하지만 앞선 연구에서 등장한 한계점(popularity bias)을 개선하기 위한 새로운 음악추천 알고리즘을 제안한다. 이 알고리즘은 온라인 음악감상자 개인과 전체 감상자의 음악 감상 행동 패턴을 비교 분석하여 이용자가 만족할만한, 하지만 과거에는 잘 알지 못하던 음악을 추천하는 것을 목표로 한다. 또한 이 알고리즘의 적합성을 평가하기 위하여 온라인을 통한 사용자 테스트를 진행하였다. 그 결과 본 연구에서 제시하는 알고리즘은 몇 가지 알고리즘에 사용하는 변수(Parameters)의 개선이 이루어진다면 이용자의 니즈(Needs)를 충족시키는 적합한 추천 시스템으로 가능성이 있다고 판단되었다.
