비이진 내재적 피드백 자료를 위한 변형된 베이지안 개인화 순위 방법 (Modified Bayesian personalized ranking for non-binary implicit feedback)

서지정보

· 발행기관 : 한국통계학회
· 수록지 정보 : 응용통계연구 / 30권 / 6호 / 1015 ~ 1025페이지
· 저자명 : 김동우, 이은령

초록

베이지안개인화순위(Bayesian personalized ranking) 방법은 내재적 피드백 자료를 분석하는 최첨단 추천시스템 통계기법 중 하나이다. 하지만, 기존의 베이지안개인화순위 방법은 내재적 피드백 자료를 변환한 이진 자료만을 고려하기 때문에 정보의 손실이 있을 수 있다는 단점이 있다. 이를 해결하기 위해 본 논문에서는 내재적 피드백 자료의 수치적 크기에 기반한 확실함의 정도(level of confidence)를 고려하는 변형베이지안개인화순위 방법을 제안한다. 제안한 방법은 기존 방법처럼 상품간의 개인선호도에 관한 직관적인 확률모형 구조를 여전히 지니면서 내재적 피드백의 수치적 크기를 확실함의 정도로 반영할 수 있다는 점에서 유용하다. 또한 제안한 변형 베이지안개인화순위 방법을 수치적으로 구현하기 위해 확률그라디언트하강(stochastic gradient descent) 기법에 기반한 계산 알고리즘을 제시한다. 마지막으로, 스팀 비디오 게임 실제 데이터 분석을 통하여 기존방법에 비해 우수한 성능을 입증한다.

영어초록

Bayesian personalized ranking (BPR) is a state-of-the-art recommendation system techniques for implicit feedback data. Unfortunately, there might be a loss of information because the BPR model considers only the binary transformation of implicit feedback that is non-binary data in most cases.
We propose a modified BPR method using a level of confidence based on the size or strength of implicit feedback to overcome this limitation. The proposed method is useful because it still has a structure of interpretable models for underlying personalized ranking i.e., personal pairwise preferences as in the BPR and that it is capable to reflect a numerical size or the strength of implicit feedback. We propose a computation algorithm based on stochastic gradient descent for the numerical implementation of our proposal. Furthermore, we also show the usefulness of our proposed method compared to ordinary BPR via an analysis of steam video games data.

참고자료

· 없음