협업 필터링과 토픽 모델링의 융합

초록

본 논문은 아이템의 텍스트 설명을 LDA로 토픽화하여 잠재적 속성을 추출하고, 이를 이용해 사용자의 선호 퍼소나를 구성한다. 사용자 간 유사도 계산에 평점 겹침과 토픽 유사도를 결합함으로써 평점 희소성 문제를 완화하고, 기존 사용자‑기반·아이템‑기반 CF보다 정밀도·재현율·F‑점수에서 우수한 성능을 보였다.

상세 분석

이 연구는 전통적인 협업 필터링(CF)이 평점 행렬의 겹침만을 기반으로 사용자·아이템 유사도를 산출한다는 한계를 지적한다. 특히 평점이 극히 희소한 상황에서는 동일 아이템을 평가한 사용자가 거의 없으며, 이 경우 유사도 계산이 불가능해 추천 정확도가 급격히 떨어진다. 저자들은 이러한 문제를 해결하기 위해 아이템의 메타데이터, 즉 텍스트 기반 설명을 활용한다. 구체적으로, 각 아이템에 대한 설명 문서를 잠재 디리클레 할당(LDA) 모델에 입력해 K개의 토픽 분포(θ)를 추정한다. 이 토픽 비율은 아이템의 잠재적 속성을 수치화한 벡터이며, 아이템 간 유사도는 코사인 유사도 등 벡터 거리 측정법으로 계산된다.

사용자 측면에서는, 사용자가 과거에 매긴 평점과 해당 아이템의 토픽 분포를 결합해 사용자의 토픽 선호 프로필(φ)을 추정한다. 예를 들어, 사용자가 높은 평점을 준 아이템들의 토픽 비율을 가중 평균하면 사용자의 토픽 퍼소나가 형성된다. 이렇게 정의된 φ는 사용자가 아직 평가하지 않은 아이템의 토픽과 비교해 선호도를 예측하는 데 활용될 수 있다.

핵심 기여는 두 가지 유사도 측정을 통합한 복합 유사도 함수이다. 기존 CF에서 사용하는 평점 기반 유사도(sim_rating)와 토픽 기반 유사도(sim_topic)를 선형 가중합하거나 곱셈 형태로 결합한다. 이때 가중 파라미터 λ는 검증 데이터셋을 통해 최적화된다. 결과적으로, 평점 겹침이 전혀 없는 사용자 쌍이라도 토픽 유사도가 충분히 높다면 높은 복합 유사도가 부여되어 이들 간의 협업이 가능해진다.

실험은 영화(Movielens), 뉴스(News20), 전자상거래(Amazon) 등 공개 데이터셋에서 수행되었다. 각 데이터셋에 대해 아이템 설명을 수집하고, 100200개의 토픽을 설정한 LDA 모델을 학습하였다. 평가 지표는 정밀도(Precision), 재현율(Recall), F‑measure이며, 제안 방법은 전통적인 사용자 기반 CF와 아이템 기반 CF에 비해 평균 1015% 이상의 개선을 보였다. 특히 평점 희소도가 0.01 이하인 경우 토픽 기반 보조 정보가 성능 향상에 크게 기여하였다.

한계점으로는 LDA 모델의 토픽 수와 하이퍼파라미터 설정이 결과에 민감하다는 점, 그리고 텍스트 데이터의 품질에 따라 토픽 추출 정확도가 달라질 수 있다는 점을 들 수 있다. 또한, 실시간 추천 시스템에 적용하려면 토픽 프로필 업데이트와 복합 유사도 계산을 효율적으로 수행할 필요가 있다. 향후 연구에서는 신경망 기반 토픽 모델(예: Neural Topic Model)이나 사전학습 언어 모델을 활용해 더 풍부한 의미 표현을 얻고, 멀티모달(이미지·음성) 정보를 통합하는 방향을 제시한다.