커뮤니케이션대학원 졸업논문
추천 시스템, 인터랙티브 추천 시스템, 통제가능성, 태그, 패싯, 영화 추천 시스템, 태그 시각화, 패싯 기반의 브라우징, 워드 임베딩, 태그 클러스터링
인공지능을 활용한 대표적인 서비스로 자리 잡은 추천 시스템은 많은 알고리즘 발전을 통하여 정확도 개선을 이뤘다. 그러나 여전히 많은 한계점을 보이며 대표적인 문제점으로‘블랙박스 문제(the black-box problem)’를 들 수 있다. 추천 시스템은 복잡한 알고리즘에 근거하여 추천 결과가 산출된다는 특징을 갖기 때문에 일반 사용자가 시스템 작동 원리를 완전히 이해하고 활용하기 어렵다. 더 나아가, 사용자는 추천 결과의 세부적 구성 요소(components) 및 특징을 파악하고 조작하기 어려워 정교한 수준(fine-grained level)에서의 통제가능성(Controllability)에는 한계를 보인다. 이 같은 문제를 해결하기 위해 본 연구에서는 대상에 대한 속성 및 특징을 효과적으로 표현하는 기능을 지닌 태그(tag)를 추천 시스템에 적용하였다. 또한, 태그의 패싯(facet) 분류 방식을 활용한 태그 기반의 인터랙티브 영화 추천 시스템을 제안하였다. 구체적으로는 무비렌즈(MovieLens)와 티엠디비(TMDB) 태그 데이터를 활용하여 서로 다른 네 가지의 태그 시각화 방식인 목록형, 분류 전 시각화 방식, 워드 투 벡터(Word-2-Vec) 시각화 방식, 워드넷(WordNet) 시각화 방식을 도출하였다. 더 나아가 네 가지 인터페이스를 활용한 서로 다른 태그 시각화 방식이 통제가능성에 미치는 영향을 검증하기 위해 총 43명의 피험자를 대상으로 실증적 연구를 진행하였다. 연구 결과, 태그를 활용한 시각화 방식은 추천 시스템 통제감 향상에 유의미한 영향을 미치는 것을 확인할 수 있었으며 특히 패싯(facet) 태그 분류 방식에서 이 같은 영향이 더욱 극명하게 나타났다. 결과적으로 본 연구는 통제가능성 향상에 적합한 추천 시스템에서의 태그 시각화 방향성을 제시하고, 태그 시각화를 통한 사용자 경험 측면의 논의 점을 제공함에 의의가 있다.
With the high evolution of the recommender algorithm, Recommender systems (RS) are on the rise in many domains. While several algorithms have been offering a series of improvements on accuracy through constant developments, recent research goes beyond the accuracy of recommendation algorithm, and investigated the role of the user experience of recommender systems. “Black box” nature of recommender systems(RS) prevents users from getting a comprehensive understanding of the system logic, making them difficult to have control or trust over the recommender system. Furthermore, there is yet little empirical evidence on the possibility to address the user’s need for more fine-grained options to control algorithmic decision-making.
In this research, we present a tag-based interactive recommender system and investigated the role of tag and faceted tag on user controllability. In particular, taking the movie industry as our domain, we implemented movie annotation and word-embedding techniques to present four different kinds of tag visualization method (tag facet from 'Word-2-Vec’, tag facet of ‘Wordnet’, tag without facet, list). We conducted quantitative and qualitative research with ‘Amazon Mechanical Turk’ (N=31) and Remote online study(N=13) to systematically study how people evaluate the controllability of different tag visualization methods in a Movie recommender system. Based on our study results, we found that tag presentation is highly valued, especially when interacting with faceted tag visualization. Our work thus contributes empirical evidence to facilitate understanding of users’ fine-grained controllability issues on the recommender system and a potential possibility to overcome the user experience of the recommender system using visualization of tag and faceted tag information.