본 논문에서는 기존의 협력 추천 기법에서 한계점으로 작용했던, 서비스 초기단계의 Data sparsity로 인한 추천 성능 저하 문제를 완화 시키는 방법으로, 아이템 메타데이터를 추천에 이용하는 기법을 제안한다. 본 논문에서는 총 두 가지 형태의 아이템 메타데이터를 사용한다. 첫 번째는 아이템을 설명하는 짧은 문서 형태의 메타데이터이고, 두 번째는 아이템간의 연관성을 나타내는 링크 정보이다. 기존 추천 기법의 경우, 비교적 사용자의 숫자가 충분하지 못한 서비스 초기 단계에, 추천의 성능이 급격히 저하되는 문제를 가지고 있다. 이러한 문제점을 극복하기 위하여 사용자의 유입과 독립적으로 확보가 가능한 데이터인 아이템 메타데이터를 추천에 이용하는 방법을 제시하였다. 짧은 문서 형태의 메타데이터는 TF-IDF 벡터로, 링크 정보는 그래프 형태로 변환하여 아이템 간의 유사도 계산에 이용되었다. 실험 결과, 아이템 메타데이터를 사용함으로써 추천 성능을 효과적으로 향상시킬 수 있었다.
In this research, in a way that reduces the problem that acted as a limit in existing collaborative recommendation methods, a decrease in the recommendation performance by Data sparsity of the early stages of service, we propose a recommendation method using item-metadata. First is a short document format that describes the item, second is a link information indicating a relationship between items. In the early stages of recommendation service, the number of users was not sufficient; you have the problem that the performance of collaborative recommendation system decreases noticeably. To overcome these problems, we applied the method that recommends items using item-metadata that can be collected independently of the inflow of the user. Item-metadata that is short document format is converted to the TF-IDF vectors. On the other hand, link information is converted to a graphical format. Finally, Both were used to calculate the similarity between items. As a result, it was possible to effectively improve the performance of the recommendation by using the item-metadata.
