본 논문은 사용자 선호도 측정 과정에서의 인간 개입을 줄이기 위해, 업데이트된 신념 시스템 기반의 협업적 선호도 측정 프레임워크를 제안한다. 규칙 간의 거리와 규칙 집합의 평균 내부 거리를 제안하여 규칙 간의 관계를 명시하고, 모든 사용자에게 공통적인 가장 대표적인 선호도(공통 선호도)를 발견하기 위해 평균 내부 거리 기반의 PRA 알고리즘을 제안한다. 이는 정보 손실률을 최소화하는 것을 목표로 한다. 공통 신념 개념을 제안하여 신념 시스템을 업데이트하고, 공통 선호도를 업데이트된 신념 시스템의 증거로 사용한다. 제안된 신념 정도와 편차 정도를 사용하여 규칙이 신념 시스템을 확인하는지 여부를 결정하고, 선호도 규칙을 일반화된 규칙과 개인화된 규칙으로 분류하여 신념 정도와 편차 정도에 따라 상위 K개의 흥미로운 규칙을 필터링한다. 다양한 공식을 적용할 수 있는 확장 가능한 흥미도 계산 프레임워크를 제안하여 다양한 조건에서 정확하게 흥미도를 계산한다. 가중 코사인 유사도와 상관 계수를 신념 정도로 사용하여 IMCos 알고리즘과 IMCov 알고리즘을 제안하고, 실험을 통해 기존 최첨단 알고리즘과 비교하여 대부분의 측면에서 우수한 성능을 보임을 확인한다.
