In the information overload, a recommendation system helps a user to make a better decision by providing recommendations result in user’s taste. Traditional recommendation methods only consider the user ratings for the user preference analysis. However, most of the users do not represent their preference directly. Because of the lack of the user ratings, many recommendation systems have trouble getting high quality of recommendation result. In this paper, we propose a link prediction based approach for music recommendation with the multiple types of user feedback gathered from a music streaming service that users express their taste explicitly or implicitly. The experimental results show that our approach outperforms the other recommendation methods even in the sparse dataset and for new users.
데이터의 홍수 속에서 추천 시스템은 사용자 취향에 맞는 추천 결과를 제공하여 사용자가 만족할 수 있는 결정을 내리도록 도와준다. 기존의 전통적인 추천 기법들은 사용자의 취향을 파악하는데 있어 선호도를 명시적으로 확인할 수 있는 평점 기록만을 사용해왔다. 하지만 대부분의 사용자는 자신의 선호를 평점을 통해서 직접적으로 드러내지 않으며, 부족한 평점 기록의 양 때문에 많은 추천 기법은 정확한 추천 결과를 얻는데 어려움을 겪고 있다. 본 논문에서는 사용자가 본인의 행동으로 직간접적인 선호 표현을 남기는 음악 스트리밍 서비스에서 수집된 다양한 종류의 사용자 행동 기록을 종합적으로 고려하는 링크 예측 기반의 음악 추천 기법을 제안한다. 실험을 통해서 희소한 사용자 행동 기록 데이터 속에서도 제안 방법이 다른 추천 기법보다 우수한 성능을 보이고 있음을 확인한다.
