Journal of the Korea Society of Computer and Information (한국컴퓨터정보학회논문지)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지
DOI QR코드

DOI QR Code

Clustering Analysis by Customer Feature based on SOM for Predicting Purchase Pattern in Recommendation System

추천시스템에서 구매 패턴 예측을 위한 SOM기반 고객 특성에 의한 군집 분석

  • Cho, Young Sung (Dept. of Computer Science, Dongyang mirae University) ;
  • Moon, Song Chul (Dept. of Computer Science, Namseoul University) ;
  • Ryu, Keun Ho (School of Electrical and Computer Science, Chungbuk National University)
  • 조영성 (동양미래대학교 전산정보학부) ;
  • 문송철 (남서울대학교 컴퓨터학과) ;
  • 류근호 (충북대학교 전자컴퓨터공학부)
  • Received : 2013.10.24
  • Accepted : 2013.12.03
  • Published : 2014.02.28
Download PDF
⟨ Previous Next ⟩

Abstract

Due to the advent of ubiquitous computing environment, it is becoming a part of our common life style. And tremendous information is cumulated rapidly. In these trends, it is becoming a very important technology to find out exact information in a large data to present users. Collaborative filtering is the method based on other users' preferences, can not only reflect exact attributes of user but also still has the problem of sparsity and scalability, though it has been practically used to improve these defects. In this paper, we propose clustering method by user's features based on SOM for predicting purchase pattern in u-Commerce. it is necessary for us to make the cluster with similarity by user's features to be able to reflect attributes of the customer information in order to find the items with same propensity in the cluster rapidly. The proposed makes the task of clustering to apply the variable of featured vector for the user's information and RFM factors based on purchase history data. To verify improved performance of proposing system, we make experiments with dataset collected in a cosmetic internet shopping mall.

유비쿼터스 컴퓨팅이 생활의 일부가 되어가면서 정보의 양도 급속도로 늘어나고 있으며, 이로 인해 많은 데이터 속에서 정보를 찾아내는 기술이 부각되고 있다. 고객 기반의 협력적 필터링을 이용한 고객 선호도 예측 방법에서는 아이템에 대한 사용자의 선호도를 기반으로 이웃 선정 방법을 사용하므로 아이템에 대한 속성을 반영하지 못할 뿐만 아니라 희박성 문제를 해결하지 못하고 있다. 그리고 비슷한 선호도를 가진 일부 아이템의 정보를 바탕으로 하기 때문에 아이템의 속성은 무시하는 경향이 있다. 본 논문에서는 전자상거래 추천에서 구매 패턴 예측을 위한 고객 특성기반 SOM 학습을 이용한 군집 방법을 제안한다. 제안 방법은 고객의 속성 정보 기반의 유사한 속성의 데이터끼리의 클러스터링을 통해 보다 빠른 시간 내에 고객 성향에 맞는 추천이 가능한 구매 패턴의 추출이 가능하다. 성능평가를 위해 현업에서 사용하는 인터넷 화장품 아이템 쇼핑몰의 데이터를 기반으로 데이터 셋을 구성하여 기존 시스템과 비교 실험을 통해 성능을 평가하여 효용성과 타당성을 입증하였다.

Keywords

References

  1. Cho, Y.S., Moon, S.C., Noh, S.C., Ryu, K.H.: mplementation of Personalized recommendation System using k-means Clustering of Item Category based on RFM. In: 2012 IEEE International Conference on Management of Innovation &Technology Publication (June 2012)
  2. Park, H.B, Y.S., Moon, S.C., Ko, H.H.: Clustering Method of Weighted Preference Using K-means Algorithm and Bayesian Network for Recommendation System. In: Journal of Information Technology & Management, Vol. 20, No. 3, pp. 219-230, (2013)
  3. Cho, Y.S., Moon, S.C., Jeong, S.P., Oh, I.B., Ryu, K.H.: Clustering Method using Item Preference based on RFM for Recommendation System in u-Commerce. In: (eds.) Ubiquitous Information Technologies and Applications. LNEE, vol. 214, pp. 353-362. Springer, Hidelberg (2012)
  4. Wei, J.-T., Lin, S.-Y. and Wu, H.-H.: The review of the application of RFM model. In: African Journal of Business Management, Vol. 4, No. 19, pp. 4199-42060, (2010)
  5. Verdu. S. V. : Classification, Filtering, and Identification of Electrical Customer Load Patterns Through the Use of Self-Organizing Maps. In : IEEE Trans. Power System. Vol. 21, No.4, pp. 1672-168 (2006). https://doi.org/10.1109/TPWRS.2006.881133
  6. Jun S.H.: Technology Marketing using PCA , SOM, and STP Strategy Modeling. In: IJCSI(International Journal of Computer Science Issues), Vol. 8, Issue 1, January 2011
  7. Kate A. Smith, Jatinder N. D Gupta.: Neural Networks in Business: Techniques and Applications. In: The IDEA GROUP PUBLISHING (2001).
  8. T. Kohonen, Self-Organizing Maps. In: Springer (2000)
  9. Cho, Y.S., Moon, S.C. Ryu, K.H.: SOM Clustering Method based on RFM Analysis for Predicting Customer Purchase Pattern in u-Commerce. In: KSCI , The Korea Society of Computer and Information Summer Conference 2013, ( Jul, 2013)
  10. Herlocker, J.L., Kosran, J.A., Borchers, A., Riedl, J.: An Algorithm Framework for Performing Collaborative Filtering.In: Proceedings of the 1999 Conference on Research and Development in Information Research and Development in Information Retrival (1999)