전자 도서관 도메인에서 의미적 관계를 이용한 개인화된 논문 추천 시스템

Abstract

오늘날 연구자는 전자 도서관을 통해 많은 논문에 쉽고 빠르게 접근할 수 있으나 동시에 정보 과잉으로 인해 자신이 원하는 적절한 논문을 찾기 위해 많은 시간과 노력을 소비해야 한다. 이러한 문제를 개선하기 위해 연구자의 선호 분야를 반영해 연구자에게 적절한 논문을 추천해주는 개인화된 논문 추천 시스템이 제안되었다. 개인화된 논문 추천 시스템은 텍스트 기반 추천방식에 적합한 콘텐츠 기반 필터링을 사용해 많이 연구되었으나 과거 제안된 연구는 단어의 구문론적 관계만 고려하고 의미론적 관계는 고려하지 않은 한계가 있다. 이를 개선하기 위해 본 논문은 콘텐츠 기반 필터링에 잠재적 의미 관계를 적용한 PARuS(Personalized Academic Paper Recommender using Semantic Relation in Digital Library Domain)를 제안한다. PARuS는 연구자의 논문 리스트를 이용해 연구자 선호 특징 정보를 구축하고 구축된 연구자 선호 특징 정보와 추천할 후보 논문 간 구문론적 관계와 잠재적 의미 관계를 함께 고려해 연구자에게 논문을 추천한다. 본 논문은 구문론적 관계만 고려한 이전 연구와의 비교평가를 통해 PARuS의 효율성을 평가하였고, 그 결과 PARuS가 더 높은 성능을 보임을 확인하였다.

Today, researchers can access many different academic papers easily and quickly through digital libraries but at the same time, researchers spend more time and effort to find relevant academic papers that they want. To alleviate these problems, personalized academic paper recommenders, which recommend relevant academic papers to researchers considering researcher’s interests have been proposed. Personalized academic paper recommenders using the content based filtering method have been actively studied because they properly recommend relevant text documents to users. However, those recommenders using the content based filtering method only consider the syntactic relation and exclude the semantic relation. To resolve this problem, we propose PARuS(Personalized Academic Paper Recommender using Semantic Relation in Digital Library Domain), which is a personalized academic paper recommender using the content based filtering method reflecting the latent semantic relations. PARuS constructs the researcher’s preference feature information based on researcher"s publication list, and then PARuS recommends relevant academic papers reflecting the syntactic relation and the latent semantic relation between researcher’s preference feature information and candidate academic papers. In this paper, we evaluate the performance of PARuS and shows its improved effectiveness over previous method.