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

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

Performance Evaluation of Personalized Textile Sensibility Design Recommendation System based on the Client-Server Model

클라이언트-서버 모델 기반의 개인화 텍스타일 감성 디자인 추천 시스템의 성능 평가

  • 정경용 (가천길대학 컴퓨터소프트웨어과) ;
  • 김종훈 (인하대학교 전자계산공학과) ;
  • 나영주 (인하대학교 의류학과) ;
  • 이정현 (인하대학교 컴퓨터공학부)
  • Published : 2005.04.01
Download PDF
⟨ Previous Next ⟩

Abstract

The latest E-commerce sites provide personalized services to maximize user satisfaction for Internet user The collaborative filtering is an algorithm for personalized item real-time recommendation. Various supplementary methods are provided for improving the accuracy of prediction and performance. It is important to consider these two things simultaneously to implement a useful recommendation system. However, established studies on collaborative filtering technique deal only with the matter of accuracy improvement and overlook the matter of performance. This study considers representative attribute-neighborhood, recommendation textile set, and similarity grouping that are expected to improve performance to the recommendation agent system. Ultimately, this paper suggests empirical applications to verify the adequacy and the validity on this system with the development of Fashion Design Recommendation Agent System (FDRAS ).

최근의 전자상거래 사이트들은 사용자 만족을 극대화 시키기 위해 사용자별로 개인화된 서비스를 제공하고 있다. 협력적 필터링은 개인화된 아이템 실시간 추천을 위하여 고안된 알고리즘이며 예측의 정확도와 성능을 증대시키기 위해서 다양한 보완 방법들이 제시되고 있다. 유용한 추천 시스템을 구축하기 위해서는 두 가지 문제를 동시에 고려해야 한다. 그러나, 협력적 필터링 기술에 관한 연구는 정확도 향상에 관한 연구가 주로 수행되었고 성능 문제는 간과하여 왔다. 본 연구에서는 추천 에이전트 시스템의 성능을 향상시킬 수 있는 대표 속성을 이용한 이웃 선택, 추천 텍스타일 집합, 유사 군집 요소를 협력적 필터링 기술에 추가하여 실험해 보았다. 패션 디자인 추천 에이전트 시스템(FDRAS)을 개발하여 시스템의 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도하고자 한다.

Keywords

References

  1. R. Agrawal and T. Imielinski and A. Swami, 'Mining association rules between sets of items in large databases,' In Proc. of the 1993 ACM SIGMOD Conference, Washington DC, USA, 1993 https://doi.org/10.1145/170035.170072
  2. P. Resnick, et. al., 'GroupLens: An Open Architecture for Collaborative Filtering of Netnews,' In Proc. of ACM CSCW'94 Conference on Computer Supported Cooperative Work, pp. 175-186, 1994
  3. J. Herlocker, J. Konstan, A. Borchers, and J. Riedl, 'An Algorithmic Framework for Performing Collaborative Filtering,' In Proceedings of ACM SiGIR-99, 1999 https://doi.org/10.1145/312624.312682
  4. N. Good, B. Schafer, J. Konstan, A. Borchers, B. Sarwar, J. Riedl, 'Combining Collaborative filtering with Personal Agents for Better Recommendation,' AAAI/IAAI, 1999
  5. J. S. Breese and D. Heckerman and C. Kadie, 'Empirical Analysis of Predictive Algorithms for Collaborative Filtering,' In Proc. of the 14th Conference on Uncertainty in Artificial Intelligence, 1998
  6. B. M. Sarwar, G. Karypis, J. A. Konstan, and J. Riedl, 'Analysis of Recommender Algorithms for E-Cornmerce,' ACM E-Commerce Workshop, 2000
  7. B. M. Sarwar, G. Karypis, J. A. Konstan, and J. Riedl, 'Application of Dimensionality Reduction in Recommender System,' ACM WebKDD 2000 Web Mining for E-Commerce Workshop, 2000
  8. 윤영미, 정경용, '협력적 필터링 기술에서 평균 정보량인 엔트로피를 이용한 효율적인 예측 방법', 한국정보기술학회논문지, 제1권, 제1호, pp.73-83, 2003.5
  9. K. Y. Jung, Y. J. Na, J. H. Lee, 'FDRAS: Fashion Design Recommender Agent System using the Extraction of Representative Sensibility and the Two-Way Filtering on Textile,' Lecture Notes in Computer Science 2736, Springer-Verlag, pp.631-640, 2003
  10. K. Y. Jung, J. J. Jung, J. H. Lee, 'Discovery of User Preference in Personalized Design Recommender System through Combining Collaborative Filtering and Content Based Filtering,' Lecture Notes in Artificial Intelligence 2843, Springer-Verlag, pp.320-327, 2003
  11. 정경용, 나영주, 이정현, 'Textile 기반의 협력적 필터링 기술을 이용한 섬유 패션 디자인 추천 시스템 개발', 정보과학회논문지: 컴퓨팅의 실제, 제9권, 제5호, pp.541-550, 2003.10
  12. Nanhyo Bang, Kyhyun Um, 'Structural Analysis and Matching of Shape by Logical Property,' Joint IAPR International Workshops on Syntactical and Structural Pattern Recognition, Lisbon, Portugal, (LNCS 3138), pp. 521-529, 2004.8 https://doi.org/10.1007/b98738
  13. K. Y. Jung, Y. J. Na, D. H. Park, J. H. Lee, 'Discovery Knowledge of User Preferences: Ontologies in Fashion Design Recommender Agent System,' Lecture Notes in Computer Science 3044, Springer-Verlag, pp.863-872, 2004
  14. K. Y. Jung, Y. J. Na, J. H. Lee, 'Creating User-Adapted Design Recommender System through Collaborative Filtering and Content Based Filtering,' Lecture Notes in Artificial Intelligence 2902, Springer-Verlag, pp.204-208, 2003
  15. 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, pp.284-296, 2002
  16. 권규식, 이정우, '감성공학적 제품개발을 위한 감성과 디자인 요소와의 관계 모형화', 한국감성과학회 연차 학술대회, pp.11-15, 1997
  17. 이순요, 양선모, 감성 공학, 청문각, 1996
  18. 황상민, 정지홍, 정선화, 김지연, '소비자 선호와 라이프 스타일에 기초한 컨셉트 제품의 감성 이미지 분석' 한국정보과학회 HCI.CG.DESIGN 학술대회 논문집( I ), pp.559-607, 2003.2
  19. 이주현, '섬유 디자인에 대한 감성 공학적 연구 사례', 섬유기술과 산업, 제2권, 제4호, 1998
  20. 홍태화, 협력적 필터링 알고리즘을 이용한 추천 시스템의 퍼포먼스 향상 방안에 관한 연구, 서울대학교 대학원 석사학위논문, 2000
  21. 고수정, 전자상거래에서 협력적 여과와 내용 기반 여과를 병합한 사용자 선호도 마이닝. 인하대학교 대학원 박사학위논문, 2002
  22. 정경용, 협력적 여과 시스템에서 연관 사용자 군집과 베이지안 추정치를 이용한 예측 방법, 인하대학교 대학원 석사학위논문, 2002