최근 급격히 늘어나는 과학기술자료들을 필요한 사용자들에게 신속정확히 보급하는데서 추천체계는 핵심기술로 되고있으며 이로부터 세계적으로 추천체계에 대한 연구개발과 도입이 활발히 벌어지고있다.
추천체계는 정보봉사체계를 리용하는 사용자들에게 개인화된 정보봉사를 제공하는 체계로서 인공지능기술과 심리학, 대자료기술 등 여러분야의 기술들이 융합된 경계과학으로 발전하고있으며 해마다 많은 추천체계관련 과학기술론문들이 각이한 SCI론문들에 발표되고있다. 추천체계의 발전은 현재 종전의 추천정확도 위주의 방향으로부터 정확도와 다양성을 동시에 제고하며 최근에는 여기에 사용자공정성까지 동시에 고려하는 종합적성능향상에로 이행하고있다.
항목속성의 확률분포를 리용하는 재순서화방법은 협동려과알고리듬에 의해 생성된 추천목록을 일정한 제약조건을 만족하도록 재순서화하는 기술로서 사용자의 항목선택리력과 추천목록에서 사용자가 선택한 속성분포가 일치해야 한다는 착상에 기초하고있다. 이 방법은 협동려과와 내용에 기초한 추천의 결합특성을 가지며 결국 사용자의 현재의 취미와 변화되는 취미를 동시에 고려할수 있게 하는 방법으로 된다. 이 방법은 영화추천분야에서 주로 영화의 분류정보를 리용하여 연구되고 실험결과들이 발표되였다.
우리는 이 재순서화방법에 대한 연구를 심화시켜 영화의 분류정보뿐 아니라 공용적인 지식원천인 지식그라프를 리용한 재순서화방법을 제기하고 그것의 효과성을 검증하였다. 또한 이 방법이 추천체계의 정확도와 다양성, 사용자공정성에 어떤 영향을 미치는가를 연구함으로써 추천체계의 종합적성능지표를 고려하는 추천체계에 대한 연구를 심화시키고있다.
이상의 연구결과는 잡지《6th international conference on Computer Information Science and Application Technology, 2023》에 《Calibration using knowledge graph attributes in recommender systems》(https://biomedicaloptics.spiedigitallubrary.org/conference-proceedings-of-spie/12800/1280059/Calbration-using-knowledge-graph-attributes-in-recommender-systems/10.1117/12.3004143.short)의 제목으로 출판되였다.
