In this study we focus on development of emotions based movie recommender system. Emotions based movie recommender systems have the potential to provide personalized recommendations by matching movie affective content with user emotional needs and preferences. The user emotional preferences can be affected by such factors as mood, social context and personality, which are hard to infer in unobtrusive manner. We propose a new approach to infer user emotional preferences based on the affective content of the previously watched movies. We explore the potential of emotions mined from the review text to to resemble the actual emotions the movie induces from the viewers. Unsupervised emotion detection methods based on vector space model are used to extract emotions and build emotion profile for each movie which we further incorporate into state-of-the-art model for rating prediction and elicitation of user emotional preferences. We show promising results from application of emotions in movie recommender systems and propose possible way to analyze obtained movie and user emotional profiles with the aim to get more insights on the user preferences.
이 연구에서 우리는 영화 추천 시스템의 발전에 초점을 맞춘다. 감정 기반 영화 추천 시스템은 사용자 정서적 필요와 선호도에 영화 영향적 내용을 일치시켜 개인화된 권장사항을 제공할 수 있는 잠재력을 가지고 있다. 사용자의 정서적 선호도는 눈에 띄지 않는 방식으로 유추하기 어려운 분위기, 사회적 맥락, 성격 등의 요인에 의해 영향을 받을 수 있다. 우리는 이전에 본 영화의 감동적인 내용을 바탕으로 사용자의 정서적 선호도를 유추하기 위한 새로운 접근법을 제안한다. 우리는 영화가 관객들로부터 유도하는 실제 감정을 닮기 위해 리뷰 텍스트에서 채굴된 감정의 잠재력을 탐구한다. 벡터 공간 모델에 기초한 감독되지 않은 감정 감지 방법은 각 영화의 감정을 추출하고 감정 프로필을 구축하는 데 사용되며, 이를 사용자 감정 선호도를 평가하고 끌어내기 위해 최첨단 모델에 추가한다. 우리는 영화 추천자 시스템에 감정을 적용한 결과의 유망한 결과를 보여주고 사용자 선호도에 대한 더 많은 통찰력을 얻기 위해 획득한 영화와 사용자 감정 프로필을 분석할 수 있는 가능한 방법을 제안한다.
