다중파트 평점 네트워크 기반 강인한 평판 순위 시스템

초록

본 논문은 사용자 간 유사성을 Kolmogorov 복잡도 기반으로 군집화하고, 각 군집별로 별도의 아이템 순위를 산출하는 다중파트 평점 네트워크 모델을 제안한다. 반복적 평판‑순위 업데이트를 수학적으로 수축 사상으로 증명하여 수렴성을 확보하고, 선형 거리(LD)와 Kolmogorov 거리(KD), 압축 거리(CD) 등 세 가지 유사도 측정법을 비교한다. 실험 결과, 제안 방법은 기존 가중 평균 기반 알고리즘보다 스팸·공격에 대한 내성이 뛰어나며, 다중 모달 평점 분포를 효과적으로 반영한다.

상세 분석

본 연구는 기존의 이분 그래프 기반 평점 집계 방식이 사용자 간 관계와 다중 모달 평점 분포를 무시한다는 한계를 지적한다. 이를 극복하기 위해 저자들은 먼저 평점 데이터를 사용자‑아이템 이중 집합으로 모델링하고, 각 사용자의 평점 문자열을 압축기(C)로 처리해 Kolmogorov 복잡도 근사값을 구한다. 이 복잡도 차이를 이용한 Kolmogorov 거리(KD)와, 평점 차이를 정규화한 선형 거리(LD), 그리고 정규화 압축 거리(CD)를 정의하여 사용자 간 유사성을 정량화한다. 유사도 행렬 S에 임계값 α를 적용해 연결된 사용자 군집을 형성하고, 각 군집을 독립적인 서브그래프(M_i)로 분리한다. 이후 반복적 평판‑순위 알고리즘(식 2.1)을 각 서브그래프에 적용한다. 평점 가중 평균(g_R)와 사용자 평판 업데이트 함수(h_R) 사이에 Lipschitz 연속성을 가정하고, 전체 연산을 Banach 공간에서 수축 사상으로 모델링함으로써 수렴성을 정리 1·2 로 증명한다. 특히, 평판 업데이트에 사용된 f_λ,s 함수는 상수형, 지수형, 로지스틱형 세 가지 형태를 제공하며, λ와 s 파라미터를 통해 스팸 사용자에 대한 페널티 강도를 조절한다. 수렴 증명에서는 ‖·‖_∞ 노름을 활용해 λ < 1/(ΔR) 조건 하에 수축 상수 η ≤ λ·ΔR < 1 을 확보한다. 실험에서는 LD가 노이즈 스팸에, KD가 목표 공격에 각각 더 강인함을 보였으며, 계산 복잡도 면에서는 CD보다 LD와 KD가 우수했다. 전체 시스템은 사용자 군집별 맞춤형 순위를 제공함으로써 다중 모달 평점 분포를 자연스럽게 반영하고, 스팸·공격에 대한 내성을 강화한다.