TV 추천 시스템을 위한 시간의존적 프로파일링 기법 (Time-dependent User Profiling for TV Recommendation)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 데이타베이스연구 / 29권 / 2호 / 121 ~ 130페이지
· 저자명 : 오진오, 유환조

초록

TV는 미디어 소비를 하기 위한 주요 경로중의 하나이다. 지난 10년 동안 사람들은 TV에서 더 다양한 콘텐츠를소비하기를 원하였다. 이러한 요구에 부합하기 위하여, 다수의 케이블 방송국이 설립되었고, 그에 따라 채널의 수역시 끊임없이 증가하였다. 이러한 흐름으로 인하여, 종지에 TV 채널의 수와 방영되는 프로그램의 개수로 인하여,시청자들이 자신이 원하는 프로그램을 찾는데 있어서 어려움을 겪기 시작하였다. TV 가이드나 PreVue 채널과같은 TV 프로그램을 검색하기 위한 툴들이 등장하였지만, 개인화된 추천을 제공하지는 못하고 있다. 이 논문에서는, TV를 위해 개인화된 추천 시스템을 개발한다. 효과적인 TV 추천 시스템을 개발하는 것은 매우 쉽지 않은 일인데, 그 이유는 TV가 로그인이나 로그아웃의 과정 없이 여러 명의 가족 구성원에게 공유되는 기기라는 특성을 가져개인의 기록을 획득하기가 매우 어려워 효과적인 추천 시스템을 구성할 수 없기 때문이다. 기존의 소셜 네트워크나e 커머스를 위한 추천 시스템은 한 계정을 사용하는 사용자가 한 사람이라는 가정하게 디자인되어 있었다. 그러므로, 이러한 방식은 TV 추천 시스템에서 그 효용성이 떨어진다. 본 논문에서는 TV 추천 시스템을 위한 시청시간기반 유저 프로파일링 기법을 제안한다. 구체적으로, 우리는 시청기록을 특정 시간 간격으로 분리하고, 인접한 시간간격간의 유사도를 측정하여 클러스터링 기법을 사용함으로써, 시간 기반 프로파일링을 실행하였다. 실험 결과를통해 제안된 알고리즘이 기존의 전형적인 프로파일링 기법에 비교하여 더 높은 정확도를 산출함을 확인할 수 있었다.

영어초록

TV is one of the most important sources of media content consumption. For the last decade,people demand more various contents from TV, and to match the demand, many specialized broadcasting stations are established and the number of channel increases unceasingly. Eventually,the large amount of TV channels and programs are overwhelming audiences. It poses difficulties for viewers in finding their preferred programs. Tools for searching TV programs such as TV guides and PreVue channel are designed for general public and do not provide personalized recommendation. In this paper, we developed personalized recommendation system for TV.
Developing an effective recommender system for TV is challenging because a TV is often shared by multiple people (e.g., family members) without login, and thus it is hard to acquire individual TV watch-log, which is crucial to build an effective recommendation. Existing recommender systems for social networks or web commerce are devised for handling one user per account, and thus are not proper for TV recommender system. This paper proposes a time-dependent user profiling technique. Particularly, we do time-based analysis in which we first split watch-log into certain time slots, and re-merge consecutive time slots by using a clustering technique. Evaluation results show that the proposed method produces higher accuracy than a typical profiling technique.

참고자료

· 없음