As the media content industry is growing continuously, the content market has become very competitive. Various strategies such as advertising and Word-of-Mouth (WOM) have been used to draw people’s attention. It is hard for users to be completely free of others’ influences and thus to some extent their opinions become affected and biased. In the field of recommender systems, prior research on biased opinions has attempted to reduce and isolate the effects of external influences in recommendations. In this paper, we present a new measure to detect opinions that are distinct from the mainstream. This distinctness enables us to reduce biases formed by the majority and thus, to potentially increase the performance of recommendation results. To ensure robustness, we develop four new hybrid methods that are various mixtures of existing collaborative filtering (CF) methods and our new measures of Distinctness and Time-aware Distinctness. In this way, the proposed methods can reflect the majority of opinions while considering distinct user opinions. We evaluate the methods using a real-life rating dataset with 5-fold cross validation. The experimental results clearly show that the proposed models outperform existing CF methods.
기술의 발전으로 인해, 콘텐츠 산업이 나날이 성장하고 있으며 수 만개의 콘텐츠가 매일 생성되고 있다. 방대한 양의 전체 콘텐츠와 비교하여 사용자는 전체 콘텐츠의 극히 일부만 경험하게 되기 때문에, 사용자의 이목을 끌기 위한 수많은 광고 및 마케팅 방법이 사용되고 있다. 특히 현 사회에서 사용자는 이러한 광고 및 마케팅 전략에 항상 직간접적으로 노출되어 있으며 이로 인해 사용자의 의견이 영향을 받고 심지어 편향되게 된다. 본 연구에서는 다수의 의견과 구별되는 의견을 발견하고 이를 측정하는 Distinctness 및 Time-aware Distinctness를 제안한다. 더 나아가, 이 모델을 활용하여 사용자 간의 유사도 측정을 향상시키는 협업 필터링 추천시스템 알고리즘을 제시하고 이에 대한 성능을 추천 정확도 및 랭킹 평가를 통하여 증명한다. 실제 영화 평점 데이터를 활용하여 제안하는 알고리즘의 유용성을 보이고, 또한 대표적 유사도 측정 알고리즘을 베이스라인으로 삼아 본 알고리즘의 성능 향상을 비교 분석한다.
