Journal of KIISE:Computing Practices and Letters (한국정보과학회논문지:컴퓨팅의 실제 및 레터)

Korean Institute of Information Scientists and Engineers (한국정보과학회)
권호 표지

Development of Fashion Design Recommender System using Textile based Collaborative Filtering Personalization Technique

Textile 기반의 협력적 필터링 개인화 기술을 이용한 패션 디자인 추천 시스템 개발

  • Published : 2003.10.01
Download PDF
⟨ Previous Next ⟩

Abstract

It is important for the strategy of product sales to investigate the consumer's sensitivity and preference degree in the environment that the process of material development has been changed focusing on the consumer renter. In the present study, we propose the Fashion Design Recommender System (FDRS) of textile design applying collaborative filtering personalization technique as one of methods in the material development centered on consumer's sensibility and preferences. In collaborative filtering personalization technique based on textile, Pearson Correlation Coefficient is used to calculate similarity weights between users. We build the database founded on the sensibility adjective to develop textile designs by extracting the representative sensibility adjective from users' sensibility and preferences about textile designs. FDRS recommends textile designs to a consumer who has a similar propensity about textile. Ultimately, this paper sugeests empirical applications to verify the adequacy and the validity on this system with the development of Fashion Design Recommender System (FDRS)

소재 개발의 프로세스가 고객 중심으로 다변화 되어가는 생활 환경 속에서 소비자의 감성과 선호도를 파악하는 것은 제품 판매 전략의 중요한 성공요소가 되고 있다. 본 연구에서는 사용자의 감성과 선호도를 중심으로 소재를 개발하는 방법의 하나로 협력적 필터링 개인화 기법을 응용하여 패션 디자인 추천 시스템(FDRS)을 제안한다. Textile 기반의 협력적 필터링 개인화 기술에서, 사용자들간의 유사도 가중치를 계산하기 위해서 피어슨 상판 계수(Pearson Correlation Coefficient)를 사용한다. 소재에 대한 사용자의 감성이나 선호도에 대한 Textile의 대표 감성 형용사를 추출함으로써 소재 개발을 위한 감성 형용사 데이타베이스를 구축한다. 패션 디자인 추천 시스템(FDRS)은 구축된 감성 형용사 데이타베이스를 기반으로 성향이 비슷한 사용자에게 Textile 디자인을 추천한다. 패션 디자인 추천 시스템으로 개발하여 시스템의 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도하고자 한다.

Keywords

References

  1. Eunjou Yi, Youngjoo Na, John G. Casali, and Gilsoo Cho, 'A Fabric Sound Evaluation System for Totally Auditory-Sensible Textiles,' Textile Research Journal, Vol. 72, No.7, pp. 638-644, 2002. 7 https://doi.org/10.1177/004051750207200712
  2. 권규식, 이정우, '감성공학적 제품개발을 위한 감성과 디자인 요소와의 관계 모형화', 한국감성과학회 연차학술대회논문집, 연세대학교, pp. 11-15, 1997.11
  3. 조길수, 나영주, '소비자의 라이프스타일에 따른 견직물의 선호감성과 태평가', 한국감성과학회 추계 학술대회발표논문집, pp. 140-144, 2000
  4. 정경용, 나영주, '소재설계를 위한 감성공학적 디자인 지원 시스템 개발', 한국섬유공학회지, 제40권, 제3호, pp. 312-320, 2003
  5. M. O. Connor and J. Herlocker, 'Clustering Items for Collaborative Filtering,' Proceedings of the ACM SIGIR Workshop on Recommender Systems, Berkeley, CA, 1999
  6. J. Herlocker, J. Konstan, A. Borchers and J. Riedl, 'An Algorithm Framework for Performing Collaborative Filtering,' In Proceedings of ACM SIGIR'99, 1999 https://doi.org/10.1145/312624.312682
  7. K. Y. Jung, J. H. Lee, 'Prediction of User Preference in Recommendation System using Association User Clustering and Bayesian Estimated Value,' Lecture Notes in Artificial Intelligence 2557, Springer-Verlag, 15th Australian Joint Conference on Artificial Intelligence, December 2-6, 2002
  8. J. S. Breese and D. Heckerman and C. Kadie, 'Empirical Analysis of Predictive Algorithms for Collaborative Filtering,' Proc. of the 14th Conference on Uncertainty in Artificial Intelligence, 1998
  9. K. Y. Jung, J. K. Ryu, and J. H. Lee, 'A New Collaborative Filtering Method using Representative Attributes-Neighborhood and Bayesian Estimated Value,' Proceedings of International Conference on Artificial Intelligence: Las Vegas, USA, June 24-27, 2002
  10. K. Y. Jung, Y. J. Park, and J. H. Lee, 'Integrating User Behavior Model and Collaborative Filtering Methods in Recommender Systems,' International Conference on Computer and Information Science, Seoul, Korea, August 8-9, 2002
  11. C. Basu and H. Hirsh and W. W. Cohen, 'Recommendation as classification: Using social and content-based information in recommendation,' In proceedings of the Fifteenth National Conference on Artificial Intelligence, pp. 714-720, Madison, WI, 1998
  12. Jason J. Jung, Kyung-Yong Jung, Geun-Sik, Jo, 'Ontological Cognitive Map for Sharing Knowledge between Heterogenous Businesses,' Lecture Notes in Computer Science, the 18th International Symposium on Computer and Information Sciences, Turkey, November 3-5, 2003 https://doi.org/10.1007/b14229
  13. G. Karypis, 'Evaluation of Item-Based Top-N Recommendation Algorithms,' Technical Report CS-TR-00-46, Computer Science Dept., University of Minnesota, 2000
  14. Kyung-Yong Jjung, Young-Too Na, Jung-Hyun Lee, 'FDRAS: Fashion Design Recommender Agent System using the Extraction of Representative Sensibility andthe Two-Way Filtering on Textile,' Lecture Notes in Computer Science 2736, Springer-Verlag, 14th International Conference on Database and Expert Systems Applications, 2003.9
  15. 정경용, 협력적 여과 시스템에서 연관 사용자 군집과 베이지안 추정치를 이용한 예측 방법, 인하대학교 대학원, 석사학위논문, 2002
  16. T. Michael, Maching Learning, McGraq-Hill, pp. 154-200, 1997
  17. P. Resnick, et. al., 'GroupLens: An Open Architecture for Collaborative Filtering of Netnews,' Proc. of ACM CSCW'94 Conference on Computer Supported Cooperative Work, pp. 175-186, 1994 https://doi.org/10.1145/192844.192905
  18. 정경용, 김진현, 이정현, '연관 사용자 군집과 베이지안 분류를 이용한 사용자 선호도 예측 방법', 한국정보과학회 추계학술발표 논문집(II)-우수논문, pp. 109-111, 2001
  19. N. Good, B. Schafer, J. Konstan, A. Borchers, B. Sarwar, J. Riedl, 'Combining Collaborative filtering with Personal Agents for Better Recommendation,' AAAI/IAAI, 1999