협업 필터링 추천 시스템을 위한 앙상블 기반 데이터 임퓨테이션 방법

초록

협업 필터링 기반 추천 방법은 데이터 희소성에 의해 추천의 정확도가 저하되는 문제가 있다. 이에 따라, 데이터 희소성을 해결하기 위한 데이터 임퓨테이션 방법들이 연구되어왔다. 그러나 기존 방법들은 채워지는 값의 정확도를 고려하지 않고 데이터 임퓨테이션을 수행하여, 정확도가 떨어지는 값들이 채워 짐으로 인해 추천 정확도를 저하시키는 문제가 있었다. 따라서 본 논문에서는 앙상블에 기반하여 정확도가 높을 것으로 예측되는 값만을 채우는 새로운 데이터 임퓨테이션 방법을 제안한다. 실험 결과, 제안하는 방법이 기존 방법에 비해 향상된 추천 정확도를 보인다.