• 한국경영정보학회:학술대회논문집
• /
• 2008.06a
• /
• pp.149-152
• /
• 2008

본 연구는 협업 추천 시스템에 적용되는 상품에 대한 고객의 선호도 예측 알고리즘 중 메모리기반 협업필터링 알고리즘의 선호도 예측 특성에 대하여 연구하였다. 메모리기반의 협업필터링 알고리즘은 선호도 예측 대상 고객과 유사한 성향을 가질 것으로 예상되는 고객들의 선호도 평가를 기반으로 특정 상품에 대한 선호도 예측이 이루어진다. 일반적으로 시스템을 이용하는 고객들과 선호성향이 다른 고객들은 선호도 예측 성과가 낮은 것으로 알려져 있으며 이들이 추천시스템의 선호도 예측 정확도를 떨어뜨리는 원인으로 알려져 있다. 본 연구에서는 고객이 상품들에 평가한 선호도 평가의 패턴이 선호도 예측 정확도와 관련성이 높음을 보여 선호도 예측 알고리즘의 개선에 기초 자료를 제공하고자 한다. 고객의 선호도 평가 패턴은 과거 고객이 평가한 자료로부터 얻을 수 있는 사전정보로써 선호도 예측 알고리즘을 적용하기 이전에 이용할 수 있는 정보이다. 본 연구에서는 사전정보를 이용하여 고객의 선호도 예측 오차의 특성을 연구함으로써 이들의 선호도 예측 정확도를 개선시킬 수 있는 알고리즘의 보정방법에 대하여 연구한다. 알고리즘의 보정방법을 선호도 예측 이전에 고객의 선호도 평가 특성으로 판단하여 적용함으로써 사전정보를 이용한 선호도 예측 정확도를 향상시키기 위한 접근법은 기존의 이웃 구성의 접근법과 다른 방법을 취함으로써 알고리즘 개선의 새로운 방향을 제시할 것으로 기대된다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.597-602
• /
• 2007

본 연구는 추천시스템에서 협업필터링 알고리즘을 이용하여 특정 상품에 대한 고객의 선호도를 예측함에 있어 고객이 상품에 대해 평가한 선호도 평가치를 고객별로 표준화시켜 예측하여 기존의 예측 정확도를 향상시키는 방법에 대하여 연구하였다. 일반적으로 상품에 대한 고객의 선호도를 평가하기 위하여 절대적 기준의 수치적 척도가 제공되지만 개인에 따라서는 상품에 대한 선호 정도가 절대적 척도에 다르게 반영되어 개인별 선호도에 차이가 발생할 수 있다. 이러한 개인적 특성이 동일한 척도의 평가치로 예측되면 예측 결과의 오차를 크게 할 가능성이 있다. 또한 개인이 평가한 선호도 평가치의 편차가 협업필터링 알고리즘을 통한 선호도 예측 정확도와 밀접한 관계를 가지고 있음을 알 수 있었으며 이러한 문제를 해결하기 위하여 개별 고객이 평가한 선호도 평가치를 표준화시켜 표준화된 선호도 평가치를 이용한 선호도 예측을 실시하였다. 분석결과 표준화된 선호도 평가치를 이용한 예측 결과가 비표준화 선호도 평가치를 이용한 예측 결과보다 예측력이 우수함을 알 수 있었으며 결과에 대한 통계적 분석을 통하여 표준화된 선호도 평가치를 이용한 선호도 예측 방법과 비 표준화 선호도 평가치를 이용한 선호도 예측 방법을 혼합할 경우 선호도 예측 정확도를 더 향상시킬 수 있음을 알 수 있었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.698-700
• /
• 2003

본 논문에서는 협력적 여과방식에서 고객의 특정 상품에 대한 선호도 예측의 정확도를 향상하기 위해 상품의 선호도 값에 가중치를 반영하는 전처리 방법을 제안한다. 이를 위해 고객별 상품의 선호도 값에 정보검색 분야에서 사용되고 있는 벡터 공간 모델을 이용하여 가중치를 부여하며, 이를 통하여 특정 상품을 선호하는 고객과 전체 상품을 고루 선호하는 고객간의 차별화 값을 반영하여 보다 정확한 선호도를 예측할 수 있게 된다. 전처리 과정을 수행하지 않은 기존의 협력적 여과 방식과의 실험을 통한 비교 분석을 통하여 본 논문이 제안하는 전처리 과정의 타당성과 비교우위를 검증한다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.11a
• /
• pp.407-414
• /
• 2005

본 연구는 상품추천을 위해 필요한 고객선호도 추정모형을 제안하고, 이러한 선호도 추정결과에 따른 선호도 정보를 이용하여 궁극적으로 상품추천의 성과를 제고시키기 위한 방법을 제시하였다. 즉, 고객의 행동패턴만으로 고객의 제품선호도를 정확히 추정할 수 있는 새로운 선호도 추정모형을 제안하였다. 이 제안모형은 선호도에 영향을 주는 요인들의 상대적인 가중치를 학습을 통해 최적화시킴으로써, 보다 정확한 선호도 평가를 가능하게 해 주다. 한편, 이 모형의 타당성을 검증하기 위해서 본 연구에서는 가상서점 고객들을 대상으로 고객선호도 정보를 수집한 후, 본 제안모형을 적용했을 때의 협업 필터링 성과와 단순선호도 계산식을 이용했을 경우의 성과를 비교 분석하였다. 이에 대한 실증분석결과는 본 제안모형을 적용했을 때의 협업 필터링 성과가 단순 선호도 모형을 적용했을 때의 성과보다 더 우수한 것으로 나타났다.

• Journal of Intelligence and Information Systems
• /
• v.12 no.4
• /
• pp.1-14
• /
• 2006

This study proposed a customer preference estimation model for production recommendation and a method to enhance the performance of product recommendation using the estimated customer preference information. That is, we suggested customer preference estimation model to estimate exactly customer's product preference with his behavior. This model shows the relationship of customer's behaviors with his preferences. The proposed estimation model is optimized by learning the relative weights of customer's behavior variables to have an effect on his preference and enables to estimate exactly his preference. To validate our proposed models, we collected virtual book store data and then made a comparative analysis of our proposed models and a benchmark model in terms of performance results of collaborative filtering for product recommendation. The benchmark model means a prior preference weighting model. The results of our empirical analysis showed that our proposed model performed better results than the benchmark model.

• Proceedings of the KAIS Fall Conference
• /
• 2010.05a
• /
• pp.296-298
• /
• 2010

본 논문은 유비쿼터스 핵심기술인 RFID(Radio Frequency IDentification)를 이용하여 대형마트와 같은 오프라인 쇼핑몰에서 고객의 실시간 위치 파악과 쇼핑 동선을 분석하여 고객의 선호상품을 예측하여 적시에 효율적으로 선호 상품 정보를 서비스 할 수 있는 쇼핑동선 분석 시스템을 제안한다. 제안하는 시스템은 RFID 태그가 부착된 쇼핑카트를 이용하여 개별 고객들의 쇼핑 동선 및 쇼핑 패턴을 지속적으로 학습하여 이를 기반으로 각 고객들의 쇼핑패턴을 분석하고 분석된 쇼핑패턴 정보로 이용하여 선호 구역 및 선호 상품을 예측한다. 예측된 선호상품 정보는 고객의 휴대 단말기를 통해 실시간으로 전송된다

• CRM연구
• /
• v.4 no.1
• /
• pp.55-68
• /
• 2011

Recently with the development of Web services by utilizing a variety of web content, the studies on user experience and personalization based on web usage has attracted much attention. Majority of personalized analysis are have been carried out based on existing data, primarily using the database and statistical models. These approaches are difficult to reflect in a timely mannerm, and are limited to reflect the true behavioral characteristics because the data itself was just a result of customers' behaviors. However, recent studies and commercial products on web analytics try to track and analyze all of the actions from landing to exit to provide personalized service. In this study, by analyzing the customer's click-stream behaviors, we define U-Score(Usage Score), P-Score (Preference Score), M-Score(Mania Score) to indicate variety of customer preferences. With the devised three indicators, we can identify the customer's preferences more precisely, provide in-depth customer reports and customer relationship management, and utilize personalized recommender services.

• Proceedings of the Korea Society for Industrial Systems Conference
• /
• 2009.05a
• /
• pp.27-31
• /
• 2009

본 연구는 웹상에서 거래되는 아이템을 고객에게 추천하는 추천시스템에서 추천대상 고객의 정보와 이웃 고객의 정보를 이용한 협력적 필터링 추천기법에서 선호도 예측을 위해 필요한 이웃의 수가 선호도 예측 정확도에 영향을 주고 있음을 제시하고 이를 이용한 선호도 예측치의 보정 방법에 대하여 제안한다. 본 연구의 제안을 위하여 이웃 기반의 협력적 필터링 알고리즘과 대응평균 알고리즘을 이용하여 MovieLens 1 million dataset에 대하여 선호도 예측 정확도를 분석하고 분석결과를 토대로 개별 선호도 예측에 소요된 이웃의 수와 예측 정확도의 관계를 분석하였다. 분석결과를 이용하여 이웃 수에 따라 선호도 예측 결과를 다수의 집단으로 구분하여 각 집단에서 이웃의 수를 이용한 선호도 예측 정확도 향상에 대한 방법을 제안한다. 본 연구의 제안을 통하여 기존 선호도 예측 알고리즘으로 생성된 예측 결과에 선호도 예측 과정에서 부가적으로 발생한 정보를 추가하여 최종 예측 결과를 향상시킬 수 있을 것으로 기대한다.

• Journal of Intelligence and Information Systems
• /
• v.14 no.4
• /
• pp.201-216
• /
• 2008

Nowadays various new items are available, but limitation of searching effort makes it difficult for customers to search new items which they want to purchase. Therefore new item providers and customers need recommendation systems which recommend right items for right customers. In this research, we focus on the new item recommendation issue, and suggest preference boundary- based procedures which extend traditional content-based algorithm. We introduce the concept of preference boundary in a feature space to recommend new items. To find the preference boundary of a target customer, we suggest heuristic algorithms to find the centroid and the radius of preference boundary. To evaluate the performance of suggested procedures, we have conducted several experiments using real mobile transaction data and analyzed their results. Some discussions about our experimental results are also given with a further research area.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.1
• /
• pp.52-57
• /
• 2001

인터넷의 대중화와 더불어 전자상거래에 대한 관심과 중요성이 더욱 증대되고 있다. 전자상거래에서 보다 많은 고객들을 유치하기 위해서는 거래의 안정성 보장, 시스템의 사용 편의성, 다양한 물품의 제공, 저렴한 가격 등과 함께 차별화된 고객 서비스 전략이 필요하다. 고객의 취향에 적합한 상품 정보를 제공함으로써 고객의 만족도를 증진시키고 나아가 지속적인 방문을 유도하고자 한다. 본 논문에서는 고객이 전자상거래 쇼핑몰을 방문 시 고객별로 관리되는 선호도를 활용하여 고객의 취향에 적합한 상품 정보를 제공한다. 퍼지논리를 이용하여 제품군간에 근접도를 반영함으로써 사용자에게 보다 좋은 상품 정보를 제공하는 기법을 제안한다.