▲ 김상욱 교수

한양대는 5월 16일 김상욱 공대 컴퓨터공학부 교수팀이 인터넷 쇼핑몰 등에서 사용하는 ‘아이템 추천 기술’의 정확도를 최대 5배까지 향상시킬 수 있는 기술을 개발했다고 밝혔다.

최근 많은 기업들이 데이터를 수집하고 분석해 가치 있는 정보를 찾아내, 다양한 분야에 이용하는 ‘빅데이터(Big Data) 기술’을 활용하고 있다. 특히, 개별 사용자가 선호할 가능성이 높은 아이템을 자동으로 찾아주는 ‘개인화 추천기술(Personalized Recommendation)’이 산업계에서 크게 주목 받고 있다. 실제로 인터넷 쇼핑몰에서는 사용자의 ▲위치 ▲일정 ▲구매행위 ▲검색기록 등 사용자의 다양한 활동을 데이터의 형태로 기록하고, 기록된 데이터를 빅데이터 기반 추천 기술을 이용·분석해 개별 사용자의 취향과 선호도에 맞게 아이템을 추천해주고 있다.

김 교수팀은 추천 기술 중 가장 널리 사용되는 ‘협업 필터링 추천(collaborative filtering recommendation) 기술’의 추천 정확도를 기존 방법보다 최대 5배까지 향상시킬 수 있는 새로운 방법을 개발했다. 협업 필터링 추천 기술은 <사용자 A>와 유사한 취향을 가진 사용자들을 찾고, 이들이 공통으로 선호하는 아이템을 찾아 <사용자 A>에게 추천해주는 기술이다. 그러나 대부분의 사용자들은 사용 가능한 전체 아이템들 중에 극히 일부의 아이템만을 사용·평가하는 경향이 있다. 따라서 활용할 수 있는 정보의 양이 너무 적어 협업 필터링 추천의 정확도 및 사용자 만족도가 낮아지는 문제점이 있었다.

연구팀은 이러한 데이터 희소성 문제(Data Sparsity) 의 해결을 위해 ‘사용자의 무관심 아이템’을 활용하는 새로운 기술을 고안했다. 무관심 아이템은 사용자의 선호도가 매우 낮아 이용할 마음조차 없고, 이로 인해 아무런 평가도 남지 않은 아이템을 말한다. 그러나 사용자가 평가를 남기지 않은 이유로 데이터에 직접 나타나지는 않기 때문에 기존 협업 필터링 추천에서는 이를 추천에 활용할 수 없었다.

연구팀은 사용자들의 아이템 사용 이력을 분석해 각 사용자가 개별 아이템을 이용하기 전에 얼마만큼의 관심을 갖는가를 예측하고, 이를 근거로 그 사용자의 무관심 아이템을 발견하는 기술을 제안했다. 또한, 이렇게 발견된 무관심 아이템에 대해서 사용자가 매우 낮은 평점을 부여할 것을 전제로 하는 새로운 협업 필터링 추천 기술을 제시했다. 이 방법은 기존의 데이터 희소성 문제를 근본적으로 해결할 수 있으며, 이 결과 협업 필터링 추천 기술의 정확도를 기존보다 최대 5배까지 향상시킬 수 있었다. 김상욱 교수는 “이번 연구에서 제안한 기술을 활용한다면, 아마존, 이베이 등의 인터넷 쇼핑몰에서 제공하는 추천 상품에 대한 사용자 만족도를 크게 개선할 수 있을 것”이라고 말했다.

이번 연구는 황원석 박사를 포함해 김 교수팀 내의 대학원생들이 함께 참여했으며, 미국 펜스테이트대(PennState University) Dongwon Lee 교수, 한국외대 이종욱 교수와 협업했다. 연구 결과는 오는 16~20일 핀란드 헬싱키에서 개최되는 빅데이터 분야의 국제저명학술대회인 전기전자기술자협회 데이터기술 콘퍼런스(IEEE ICDE: Institute of Electrical and Electronics Engineers International Conference on Data Engineering)에서 발표될 예정이다.