• 지능정보연구
• /
• 제24권2호
• /
• pp.85-109
• /
• 2018

추천시스템은 사용자의 과거 구매행동을 통해 향후 구매할 것이라고 예상되는 제품을 자동으로 검색하여 추천해준다. 특히 전자상거래 기업의 상품추천시스템은 일대일 마케팅의 대표적 실현수단으로 가치가 있다. 하지만, 전통적인 추천시스템, 특히 학계 및 산업계에서 가장 널리 사용되고 있는 전통적인 협업필터링 기법은 단일차원의 '종합 평점'만을 고려하여 추천결과를 생성하도록 설계되어 있어, 사용자들의 정확한 니즈를 이해하고 대응하는데 근본적인 한계가 있다. 최근에는 전자 상거래 기업들도 고객들로부터 보다 다각화된, 다기준 방식으로 피드백을 받고 있다. 특히 다기준 평점은 정량적으로 입력되는 정보이므로 상대적으로 분석 및 처리가 용이하다는 장점이 있다. 그러나 다기준 평점 역시 사전에 정해진 기준에 대해서만 사용자의 피드백이 이루어지기 때문에, 보다 상세하게 사용자의 의견을 이해하여 추천에 반영하는 데에는 한계가 있다. 이에 본 연구는 다기준 평점 정보와 선택적 협업필터링의 서로 다른 접근방법을 통해 도출된 추천결과를 종합하여, 최종적으로 추천 대상리스트를 산출할 수 있는 하이브리드 기술을 제안한다. 본 연구에서 제안한 연구모형의 유용성을 검증하기 위해, 식음료점(식당, 카페 등)에 대한 실제 이용자를 대상으로 온라인 설문을 통해 종합 평점과 다기준 평점을 수집하였으며, 데이터를 학습용과 검증용으로 구분하여 학습시키고 성과를 평가하였다. 이 기법은 결합 함수 기반 접근법과 사용자마다 구매의사결정의 체계가 다르다는 전제하에, 사용자들을 유형화하고, 유형에 따라 정보원을 선택적으로 활용하는 협업필터링 알고리즘을 활용했다. 실험결과, 제안 알고리즘을 통한 추천 방법이 단일 차원을 고려하는 전통적인 협업필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인했다. 아울러, 본 연구가 제안하는 다기준 평점과 선택적 협업필터링 알고리즘을 종합하여 추천하는 방법이, 단순히 다기준 평점을 고려했을 때 보다 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.153-169
• /
• 2012

전시회는 새로운 상품이나 서비스를 현재 고객들과 미래의 잠재고객들에게 홍보하기 위해 개최하는 효과적인 마케팅 수단으로 중요하다. 기업들은 전시회에 참여를 통해 현재 고객 및 잠재고객들과 대면접촉을 함으로써 기업의 이미지 제고 및 새로운 판로를 확보할 수 있다. 이처럼 전시회의 경제적 중요성이 커짐에 따라, 전시주최자들은 참여기업 및 참관객을 유치하기 위하여 새로운 IT 기술을 전시회에 적용하고 있을 뿐만 아니라 연구자들 또한 참관객의 관람패턴을 분석하기 위하여 다양한 연구를 시도하고 있다. 최근에는 스마트 기술이 발전함으로써 전시 공간 내에서 참관객의 활동을 실시간으로 모니터링 할 수 있어 온라인 전시환경처럼 오프라인 전시회를 방문한 참관객의니즈를 실시간으로 추론하여 참관객의 선호에 적합한 서비스를 제공하기 위한 부스 추천시스템에 대한 연구가 활발히 진행되고 있다. 그러나 새로운 기술 개발 측면에서 시스템의 성능을 개선하려는 연구는 지속적으로 진행되어 왔으나 향후 시스템의 개발 방향 및 보급 활성화에 영향을 미치는 요인에 관한 연구들이 부족한 실정이다. 부스 추천시스템은 스마트 전시환경에서 새로 도입되는 기술로 부스 추천시스템에 대한 참관객의 수용 후 재사용 의도는 TAM 관점보다는 부스 추천시스템이 참관객의 선호에 적합한 추천정보를 제공하는가에 초점을 맞출 필요가 있다. 따라서, 본 연구에서는 기존 문헌 고찰을 통해 전시환경에서의 부스 추천시스템에 대한 참관객의 만족 및 재사용 의도에 영향을 주는 요인을 도출하여 연구모형을 설계하였다. 이를 통해 향후 스마트 전시환경에서 부스 추천시스템의 개발과 보급 전략에 있어 유용한 시사점을 제공하고자 하였다. 이러한 연구목적을 달성하기 위하여 2011년 11월 DMC 컬처 오픈 행사에서 부스 추천시스템을 사용한 참관객을 대상으로 설문조사를 실시하였고 회귀분석을 통해 가설을 검증하였다. 그 결과, 참관객의 만족에 영향을 미치는 요인은 부스 추천시스템의 효과성, 편의성, 추천품질, 의외성으로 나타났다. 또한, 부스 추천시스템에 대한 참관객의 만족은 재사용 의도 형성에 긍정적인 영향을 미치는 것으로 밝혀졌다. 본 연구가 가지는 의의는 다음과 같다. 먼저, 본 연구결과를 토대로 스마트 전시환경에서 부스 추천시스템에 대한 참관객의 지속적인 서비스 이용을 유도하기 위한 전략을 수립할 때 고려해야 할 주요한 요인을 실증연구를 통해 구체화시켰다는데 의의가 있다. 또한, 스마트 전시환경에서 부스 추천시스템이 성공적으로 도입 및 활용되기 위해서는 참관객의 수용 전후 차별화된 관리가 필요함을 본 연구결과를 통해 제시하였다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.