Collaborative tagging, the process of assigning tags to shared content by many users, has emerged as an important way to share resources on the Web. Tags are freely chosen keywords. They not only help the users to find and organize online resources, but also provide meaningful indexing which can be used by other research areas. In this thesis, we focus on the problem of finding similar users by exploiting tagging data. We propose user profiling method by tags which are attached on user's bookmarked item instead of direct tag usage. Also we consider the semantic in tags by applying Latent Semantic Analysis in tag-user matrix. Compared with user profile in recommender system, our proposed method only use tagging data and does not need rating or other additional data. We conduct two kinds of evaluations on the data from CiteULike. First one uses group membership data for answer set and second one uses Watchlist data as answer set. The experimental result shows that our suggested method improves recall, precision and F-measure with various situations. The improvement by each method is not consistent in various situations, but the combination of both proposed methods outperforms in almost all situations.
협업 태깅(Collaborative tagging)이란 많은 사람들이 공유된 웹 컨텐츠에 대해 태그를 붙이는 것을 뜻한다. 태그는 사용자가 컨텐츠에 대한 이해와 분류 기준에 따라 자유롭게 작성하는 키워드로, 협업 태깅 시스템은 온라인 컨텐츠를 공유하기 위한 중요한 방법으로 대두되었다. 이를 이용한 대표적인 사이트로 딜리셔스(Del.icio.us)와 플리커(Flickr), 싸이트유라이크(CiteULike)가 있다. 이 시스템에서 사용자는 태그를 이용하여 자신의 컨텐츠를 조직화 하여 관리할 수 있고, 다른 사람들의 컨텐츠 관리를 보면서 그들의 컨텐츠로부터 쉽게 원하는 것을 찾을 수 있다. 본인을 포함한 다수의 사용자에 의한 광범위한 인덱싱에 의해 쉽게 검색을 할 수 있다. 이러한 태그 자체적 이점 외에도 태그를 이용해서 광범위한 적용이 일어나고 있다.
본 논문에서는 태그를 활용하여 비슷한 사람을 찾는 방법에 대하여 다루고 있다. 협업 태깅 시스템에서 다른 사람이 모아 놓은 정보를 보고 새로운 정보를 접하게 되는 과정이 일반적이기 때문이, 각 사용자가 자신이 관심 있어 하는 정보를 손쉽게 찾기 위해서는 관심이 비슷한 사람을 찾아서 제시해 주는 것 중요하다. 우리는 두 가지 방법을 제안한다. 첫 번째는 사람들이 자신이 사용한 태그만 아니라, 태그를 컨텐츠를 설명하는 키워드 들로 보고, 사용자가 가지고 있는 컨텐츠의 태그들을 모두 모아 사용자의 프로파일을 구성하는 방법이다. 두 번째는 태그 유저 매트릭스에서 Latent Semantic Analysis 를 이용하여 태그간의 의미적 관계를 이용하는 것이다. 기존의 연구들과 비교해 봤을 때, 태그만을 이용해서 사용자 프로파일을 구성했고, 개인적으로 사용한 것만이 아니라 아이템에 붙어있는 태그를 모두 그 사람의 프로파일을 구성하는데 썼다는 것, 그리고 Latent Semantic Analysis 를 태그유저 매트릭스에 적용했다는 점이 차이 차이가 난다.
우리는 논문 공유 협업 태깅 사이트인 CiteULike 로부터 받아온 데이터를 가지고 두 가지 평가를 하였다. 첫 번째는 같은 그룹에 있는 사람들은 비슷한 관심사를 가지고 있다고 가정하고 사용자에게 같은 그룹에 속한 사람을 얼마나 잘 추천하는지를 평가했고, 두 번째는 그들이 가지고 있는 Watchlis 에 있는 사람들을 얼마나 잘 추천하는지를 봤다. 실험 결과는 각 제안한 방법들은 recall, precision 과 F-measure 향상 시켰지만, 그 효과가 일정하지는 않았다. 어떤 상황에서는 향상 효과가 미미한 경우도 있었다. 하지만, 두 방법을 함께 쓴 경우에는 항상 가장 좋은 성능을 유지하는 것을 보였다.
이 논문에서 제시한 방법들은 사용자에게 비슷한 사람들을 추천하여 협업 태깅 시스템의 활성화에 기여할 수 있고, 비슷한 사용자를 바탕으로 협업 필터링 (Collaborative filtering)을 하는 것에도 도움을 줄 수 있을 것이다.
