마이크로소프트 추천기를 이용한 와이드 앤 딥 모델 기반의 도서 추천 시스템

Abstract

빅데이터 시대로 다양하고 많은 정보가 쏟아지고 있다. 이러한 과잉 정보 시대에 개인화된 추천 시스템(Recommender System)은 사용자가 상품을 고르고 찾아보는 데 드는 시간을 줄여주고 고객의 취향에 맞는 상품을 제안하여 구매율이 늘어난다. 대표적인 추천 알고리즘으로는 콘텐츠 기반 필터링(Content-Based Filtering), 협업 필터링(Collaborative Filtering) 및 하이브리드 필터링(Hybrid Filtering)이 있지만 성능 개선을 위해 딥러닝(Deep Learning) 기반의 추천 시스템이 연구되고 있다. 하지만 딥러닝 기반의 추천 시스템은 구조가 복잡하여 구현이 어렵다는 단점이 있다. 이를 개선하기 위해 본 논문에서는 효율적이고 생산적인 구축이 가능한 마이크로소프트 추천기(Microsoft Recommenders)를 사용하여 와이드 앤 딥 모델(Wide and Deep Model) 기반의 도서 추천 시스템을 제안한다. 마이크로소프트 추천기는 마이크로소프트에서 제공하는 오픈 소스 리포지터리(repository)로 최적화된 추천 시스템 개발을 위해 다양한 알고리즘과 기능을 제공하고 있다. 제안한 방법을 통해 실험한 결과 안정적인 성능의 딥러닝 모델 기반의 도서 추천 시스템을 구축할 수 있었다.|In the era of big data, a lot of diverse information is pouring in. In this age of excessive information, personalized recommendations will reduce the time required for users to select and search for products, and will increase the purchase rate by suggesting products that suit the customer's taste. Representative recommendation algorithms include content-based filtering, collaborative filtering, and hybrid filtering, but recommendation systems based on deep learning are being studied to improve performance. However, recommender systems based on deep learning have a complex structure. So, It is difficult to implement. To improve this, this paper proposes a book recommendation system based on wide and deep model using the Microsoft Recommenders, which can be built efficiently and productively. The Microsoft Recommenders is an open source repository provided by Microsoft and provides various algorithms and functions for developing an optimized recommender system. As a result of experimentation through the proposed method, it was possible to build a book recommendation system based on deep learning model with stable performance.