정보은닉 환경에서 정확도 향상을 위한 더미 데이터 기반 개인화 추천 기법

Abstract

사용자 프로파일 정보가 삭제된 환경에서는 개인화 추천 시스템의 정확도와 일관성이 크게 저하된다. 본 논문에서는 반복적인 정보 삭제 상황에서도 추천 성능을 유지할 수 있는 더미 데이터 삽입 기반 협업 필터링 추천 기법을 제안한다. 제안 기법은 삭제 단계마다 사용자 선호 정보를 보완하기 위해 더미 아이템을 삽입하며, 이때 무작위 혹은 영향력 기반 삽입과 단순 삭제 전략을 비교 평가한다. 추천 모델은 Randomized SVD 기반 잠재 요인 모델로 학습되며, MovieLens-1M 데이터셋을 기반으로 성능을 측정한다. 실험 결과, 영향력 기반 삽입 전략은 단순 삭제 전략 대비 최대 67.2%의 Precision@10 향상과 56.3%의 Recall@10 향상을 기록하며 강한 복원력을 입증하였고, 삭제가 누적되는 상황에서도 강한 복원력을 유지하였다. 본 논문은 데이터 삭제로 인한 추천 품질 저하를 완화할 수 있는 실용적인 접근법을 제시한다.