Web users are receiving more and more information from blogs and other social media. As such, personalized recommendation of relevant and interesting blogs is an important problem in Web information retrieval. We present a novel approach of recommending blogs to a user based on topic similarity with the user`s favorite blogs as specified in his blogroll. Our topic analysis reveals that the topics in the user`s own blog posts differ from the topics in the posts of his favorite blogs, and our user study results show using topics of their favorite blogs, we can improve the recommendation performance compare to the method that uses only the topics of their own blogs. Our content-based approach effectively recommends blogs that are new to the user.
이 연구의 목적은 블로그를 추천하는 기존의 방식과 구분되는 효과적인 방법을 제안하는 것이다. 관련 연구동향에서 설명한 것과 같이 대부분의 CF기반 알고리즘은 블로그가 가진 글이라는 데이터를 무시하는 문제가 있다. 블로거가 자신의 블로그에 쓰는 내용들은 자신이 관심 있어 하는 분야의 내용들이 많으므로, 이러한 정보를 활용한다면 유저가 관심 있어 할만한 블로그를 찾는데 도움이 될 수 있다. 물론 블로그가 가진 social network적 특성도 중요한 정보이다. 하지만 우리는 블로거가 글을 볼 때 누가 썼는지 보다는 어떤 주제에 관한 글인지에 관심을 가지고 본다라는 가정하에 contents-based방식이 더 나을 것이라 생각했다. 따라서 우리는 블로그가 가진 글이라는 contents에서 블로거가 좋아할만한 topic을 추출해내고 이 topic에 기반하여 추천을 하는 방식을 생각하였다. 하지만 이 방식은 이전 contents기반 연구들에서 블로그가 가진 Social Network 정보를 간과했다는 문제를 동일하게 가지고 있다. 따라서 이러한 문제점을 관심블로그라는 블로그 간의 네트워크를 이용 보완하는 방식을 취하였다. 하지만 네트워크 구조를 사용하는데 인기도의 영향을 받는 방식이 아닌 관심블로그들의 topic을 이용 이용자가 원하는 topic을 확장하는 식으로 사용하였다.
인기도의 영향을 줄이는 것도 중요하다. 유저가 이미 알고 있는 것을 추천하는 것은 의미 있는 추천이 될 수 없다. 하지만 인기도에 영향을 많이 받는 추천을 하게 되면 유저가 한번 쯤은 방문해 봤을 법한 블로그를 추천하게 될 수밖에 없다. 그러한 블로그들은 노출되는 빈도가 잦기 때문이다. 따라서 새로운 추천 방식은 인기도의 영향 또한 최소화 하여야 한다.
