사용자 활동 지역과 카테고리 선호도를 이용한 상황 인식 기반의 음식점 추천 기법 = A Context-Aware Restaurant Recommendation Method Using User Active Area and Category Preference

국문 초록 (Abstract)

최근 모바일 환경과 위치 기반 서비스(Location-Based Services, LBS)의 확산으로 사용자 이동 데이터가 다양한 서비스에서 활용되고 있다. 특히 음식점 추천 서비스는 수많은 음식점 중에서 사용자가 적절한 식당을 선택할 수 있도록 지원한다. 그러나 기존의 음식점 추천 기법은 평점이나 방문 빈도와 같은 집계된 정보에 의존하는 경향이 있어 사용자 행동 맥락이나 지역 특성을 충분히 반영하지 못하는 한계가 있다. 본 논문에서는 사용자 활동 지역과 식사 시간대 기반 음식점 카테고리 선호도를 활용한 상황 인식 기반 음식점 추천 기법을 제안한다. 제안하는 기법은 사용자의 방문 이력으로부터 주활동지역을 식별하고, 식사 시간대에 발생한 방문 데이터를 분석하여 음식점 카테고리 선호도를 추정하고, 사용자의 현재 위치에 적합한 음식점을 추천한다. 이후 SNS 평점과 사용자 선호도를 결합하여 음식점 추천 점수를 산정하고 상위 K개의 음식점을 추천한다. 실험 결과, 제안하는 기법은 기존 기법에 비해 높은 추천 성능을 보였으며 특히 Recall 측면에서 우수한 결과를 나타냈다.

다국어 초록 (Multilingual Abstract)

The more mobile environments and Location-Based Services (LBS) expand, the more user mobility data are utilized in various services. In particular, restaurant recommendation services help users select suitable restaurants from among numerous dining options. However, existing restaurant recommendation methods rely on aggregated information, such as ratings or visit frequencies, and therefore have limitations in sufficiently reflecting user behavioral contexts and regional characteristics. In this paper, we propose a context-aware restaurant recommendation scheme that utilizes user active areas and restaurant category preferences based on meal-time visits. The proposed scheme analyzes a user’s active areas from visit histories, and visit data generated during meal times to estimate restaurant category preferences, and recommends restaurants suitable for the user’s current location. Then, the proposed method calculates recommendation scores by combining SNS ratings and user preferences and recommends the top-K restaurants. Experimental results show that the proposed method achieves higher recommendation performance than existing methods, particularly in terms of Recall.