Information Systems Review (경영정보학연구)

The Korea Society of Management Information Systems (한국경영정보학회)
권호 표지
DOI QR코드

DOI QR Code

Beauty Product Recommendation System using Customer Attributes Information

고객의 특성 정보를 활용한 화장품 추천시스템 개발

  • Received : 2021.05.21
  • Accepted : 2021.08.24
  • Published : 2021.11.30
Download PDF
⟨ Previous Next ⟩

Abstract

As artificial intelligence technology advances, personalized recommendation systems using big data have attracted huge attention. In the case of beauty products, product preferences are clearly divided depending on customers' skin types and sensitivity along with individual tastes, so it is necessary to provide customized recommendation services based on accumulated customer data. Therefore, by employing deep learning methods, this study proposes a neural network-based recommendation model utilizing both product search history and context information such as gender, skin types and skin worries of customers. The results show that our model with context information outperforms collaborative filtering-based recommender system models using customer search history.

인공지능 기술이 발달함에 따라 빅데이터를 활용한 개인화 추천시스템에 대한 관심이 증가하고 있다. 특히 뷰티 제품의 경우 개인의 취향과 더불어 피부 특성 및 민감도에 따라 제품 선호도가 명확히 구분되므로 축적된 고객 데이터를 활용하여 고객 맞춤형 추천서비스를 제공하는 것이 필요하다. 따라서 본 연구에서는 딥러닝 기법을 활용하여 제품 검색 기록과 개인 사용자의 피부 타입과 고민 등의 콘텍스트 정보를 함께 반영한 심층 신경망 기반의 추천시스템 모델을 제시하고자 한다. 본 연구에서는 실제 화장품 검색 플렛폼의 데이터를 활용하여 성능 평가를 실시하였다. 본 연구의 실험 결과, 고객의 콘텍스트 정보를 포함한 모델이 제품 검색 기록만을 활용한 기존의 협업 필터링 모델들 보다 우수한 성능을 보임을 확인하였다.

Keywords

Acknowledgement

본 연구는 중소벤처기업부 중소기업기술정보진흥원이 지원하는 빅데이터 기반 서비스 개발사업의 지원을 받아 진행되었음(G21S293578601).

References

  1. 구혜경, 나종연, "여성 소비자의 화장행동 분석을 통한 화장 맥락의 이해", 소비문화연구, 제18권, 제3호, 2015, pp. 147-179. https://doi.org/10.17053/JCC.2015.18.3.007
  2. 송희석, "심층신경망 기반의 뷰티제품 추천시스템", Journal of Information Technology Applications & Management, 제26권, 제6호, 2019, pp. 89-101.
  3. 신유원, 신민선, "2019 화장품산업 분석 보고서", 한국보건산업진흥원, 2019.11.18., Available at https://www.khidi.or.kr/board/view?linkId=48809330&menuId=MENU00085.
  4. 윤여수, 박현준, "사용자의 피부 색상에 기반한 파운데이션 색상 자동추천", 한국지능시스템학회 논문지, 제29권, 제4호, 2019, pp. 280-284.
  5. 이은주, 송재오, 김이나, 유재수, "화장품 추천을 위한 개인의 피부 유형 및 유전자를 이용한 빅데이터 분석 기반 모바일 서비스", 한국콘텐츠학회 종합학술대회 논문집, 2018, pp. 495-496.
  6. 이주오, 이형걸, 김아연, 허승연, 박우진, 안용학, "생활지수를 이용한 협업 필터링 기반 장소 추천 시스템의 설계 및 구현", 한국융합학회논문지, 제11권, 제8호, 2020, pp. 23-31. https://doi.org/10.15207/JKCS.2020.11.8.023
  7. Bobadilla, J., F. Ortega, A. Hernando, and A. Gutierrez, "Recommender systems survey", Knowledge-based Systems, Vol.46, 2013, pp. 109-132. https://doi.org/10.1016/j.knosys.2013.03.012
  8. Covington, P., J. Adams, and E. Sargin, "Deep neural networks for YouTube recommendations", Proceedings of the 10th ACM Conference on Recommender Systems, 2016, pp. 1-8.
  9. Cremonesi, P., F. Garzotto, and R. Turrin, "Investigating the persuasion potential of recommender systems from a quality perspective: An empirical study", ACM Transactions on Interactive Intelligent Systems (TiiS), Vol.2, No.2, 2012, pp. 1-41. https://doi.org/10.1145/2209310.2209314
  10. Gao, C., X. He, D. Gan, X. Chen, F. Feng, Y. Li, and D. Jin, "Neural multi-task recommendation from multi-behavior data", In 2019 IEEE 35th International Conference on Data Engineering (ICDE), 2019, pp. 1554-1557.
  11. Gholamian, M., M. Fathian, M. Julashokri, and A. Mehrbod, "Improving electronic customers' profile in recommender systems using data mining techniques", Management Science Letters, Vol.1, No.4, 2011, pp. 449-456. https://doi.org/10.5267/j.msl.2011.06.011
  12. He, L. Liao, H. Zhang, L. Nie, X. Hu, and T. Chua, "Neural Collaborative Filtering", Proceedings of the 26th International Conference on World Wide Web, 2017, pp. 1-10.
  13. He, X., X. Du, X. Wang, F. Tian, J. Tang, and T. S. Chua, "Outer product-based neural collaborative filtering", Proceedings of the 27th International Joint Conference on Artificial Intelligence, 2018.
  14. Jannach, D., M. Zanker, A. Felfernig, and G. Friedrich, Recommender Systems: An Introduction, Cambridge University Press, 2010.
  15. Kim, M. G. and K. J. Kim, "Recommender systems using SVD with social network information", Journal of Intelligence and Information Systems, Vol.22, No.4, 2016, pp. 1-18.
  16. Koren, Y., R. Bell, and C. Volinsky, "Matrix factorization techniques for recommender systems", Computer, Vol.42, No.8, 2009, pp. 30-37. https://doi.org/10.1109/MC.2009.263
  17. Matsunami, Y., M. Ueda, and S. Nakajima, "How to find similar users in order to develop a cosmetics recommender system", International Multi Conference of Engineers and Computer Scientists, 2017, pp. 337-350.
  18. Park, S. T. and W. Chu, "Pairwise preference regression for cold-start recommendation", Proceedings of the third ACM Conference on Recommender Systems, 2009, pp. 21-28.
  19. Patty, J. C., E. T. Kirana, and M. S. D. K. Giri, "Recommendations system for purchase of cosmetics using content-based filtering", International Journal of Computer Engineering and Information Technology, Vol.10, No.1, 2018, pp. 1-5.
  20. Persson, P., "Attention manipulation and information overload", Behavioural Public Policy, Vol.2, No.1, 2018, pp. 78-106. https://doi.org/10.1017/bpp.2017.10
  21. Ricci, F., G. Adomavicius, B. Mobasher, and A. Tuzhilin, "Context-aware recommender system", AI Magazine, Vol.32, No.3, 2011, pp. 67-80. https://doi.org/10.1609/aimag.v32i3.2364
  22. Schafer, J. B., D. Frankowski, J. Herlocker, and S. Sen, "Collaborative filtering recommender systems", In The Adaptive Web, 2007, pp. 291-324.
  23. Su, X. and T. M. Khoshgoftaar, A survey of Collaborative Filtering Techniques, Advances in Artificial Intelligence, 2009.
  24. Yim, Y. J., H. S. Bae, Y. J. Jeong, M. Y. Kim, A. Nasridinov, K. H. Yoo, and J. E. Hong, "A user driven cosmetic item recommendation system by character recognition", Proceedings of the Korea Information Processing Society Conference, 2016, pp. 722-725.
  25. Yoon, J. and S. Joung, "A big data based cosmetic recommendation algorithm", Journal of System and Management Sciences, Vol.10, No.2, 2020, pp. 40-52.
  26. Zhang, Z. K., C. Liu, Y. C. Zhang, and T. Zhou, "Solving the cold-start problem in recommender systems with social tags", EPL(Europhysics Letters), Vol.92, No.2, 2020, p. 28002.