본 논문에서 우리는 추천 시스템을 위한 두 개의 정제된 이웃선정 알고리즘을 제시하고, 또한 아이템의 속성정보가 어떻게 고품질의 예측을 위해 사용될 수 있는지를 보인다. 정제된 이웃선정 알고리즘은 가상 이웃과 대체 이웃을 각각 사용하여 이행적 유사도를 기반으로 한 이웃선정 방법을 적용한다. 실험 결과는 본 논문에서 제안한 알고리즘을 적용한 추천 시스템이 다른 시스템에 비해 보다 우수한 성능을 가짐을 보여준다. 이러한 제안 시스템은 예측 품질의 저하 없이 대규모 데이터셋 문제 및 초기 참여자 문제를 극복할 수 있게 한다.
In this paper we present two refined neighbor selection algorithms for recommender systems and also show how the attributes of the items can be used for higher prediction quality. The refined neighbor selection algorithms adopt the transitivity-based neighbor selection method using virtual neighbors and alternate neighbors, respectively. The experimental results show that the recommender systems with the proposed algorithms outperform other systems and they can overcome the large scale dataset problem as well as the first rater problem without deteriorating prediction quality.
