• 한국IT서비스학회:학술대회논문집
• /
• 2002.11a
• /
• pp.467-472
• /
• 2002

전자상거래의 급속한 발달로 인하여 많은 상품이 거래가 되로 있다. 기업은 상품들 가운데서 적절한 상품을 고객에게 추천하기 위해서 추천시스템을 개발을 하였다. 그러나 사용자와 고객의 수가 급증하면서 추천을 위해서 많은 시간과 비용이 들게 되었다. 본 논문에서는 이러한 확장성의 문제점을 해결하기 위해서 속성추출방법을 추천시스템에 적용하여 추천의 시간을 단축하여 확장성의 문제를 해결하고자 개선된 추천시스템을 개발했다. 개선된 추천시스템의 추천속도는 기존의 추천시스템에 비하여 빠른 추천이 가능하게 되었다. 이로 인해 확장성의 문제를 해결할 수 있게 되었다.

• Proceedings of the Korean Statistical Society Conference
• /
• 2003.10a
• /
• pp.307-311
• /
• 2003

개인화된 추천시스템(recommendation system)은 자동화된 정보 필터링 기술을 적용하여 고객의 취향에 맞는 아이템(상품, 기사, 컨텐츠 등)을 추천하는 시스템이다. 이러한 추천시스템에서 가장 중요한 것은 고객의 특성을 정확히 파악하여 가장 적절한 아이템을 추천해 줄 수 있는 능력이라고 할 수 있다. 본 연구에서는 추천시스템을 위해 제안된 여러 알고리즘들을 소개하고 그 특징들을 비교하였으며, 연관성규칙발견과 군집분석을 이용한 추천시스템 알고리즘을 실제 자료에 적용하여 그 결과를 살펴보았다.

• Journal of Intelligence and Information Systems
• /
• v.25 no.4
• /
• pp.89-103
• /
• 2019

Recently, various approaches to recommendation systems have been studied in terms of the quality of recommendation system. A recommender system basically aims to provide personalized recommendations to users for specific items. Most of these systems always recommend the most relevant items of users or items. Traditionally, the evaluation of recommender system quality has focused on the various predictive accuracy metrics of these. However, recommender system must be not only accurate but also useful to users. User satisfaction with recommender systems as an evaluation criterion of recommender system is related not only to how accurately the system recommends but also to how much it supports the user's decision making. In particular, highly serendipitous recommendation would help a user to find a surprising and interesting item. Serendipity in this study is defined as a measure of the extent to which the recommended items are both attractive and surprising to the users. Therefore, this paper proposes an application of serendipity measure to recommender systems to evaluate the performance of recommender systems in terms of recommendation system quality. In this study we define relevant or attractive unexpectedness as serendipity measure for assessing recommendation systems. That is, serendipity measure is evaluated as the measure indicating how the recommender system can find unexpected and useful items for users. Our experimental results show that highly serendipitous recommendation such as item-based collaborative filtering method has better performance than the other recommendations, i.e. user-based collaborative filtering method in terms of recommendation system quality.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2007.05a
• /
• pp.246-254
• /
• 2007

최근 유비쿼터스 환경이 대두됨에 따라 정보의 밀도가 높아지고 있으며, 기업에서는 고객이 제품을 구매함과 동시에 고객의 정보를 저장하여 활용할 수 있게 되었다. 이와 같은 환경은 고객의 요구사항을 사전에 미리 파악하여 적절한 시점과 상황에 맞는 정보를 전달할 수 있도록 하는 추천시스템에 대한 필요성을 증대시켰으며, 다양한 영역에서 추천시스템과 관련된 연구들이 활발하게 이루어지고 있다. 지금까지의 추천시스템은 주로 제품 중심으로 논의되어 왔으나, 유비쿼터스 시장 환경에서는 매장에 대한 논의가 필요하게 되었다. 이는 고객이 다양한 매장을 방문할 수 있으며, 동일한 제품이라도 여러 매장에 동시에 존재할 수 있고, 매장 간의 동선이나 매장의 위치 및 분위기, 제품의 품질이나 가격 등에 대한 개인 선호도에 따라 같은 제품이라도 선호하는 매장은 다를 수 있기 때문이다. 따라서 본 연구에서는 고객의 선호도를 기반으로 유비쿼터스 시장 환경에 적합한 매장 추천시스템을 제안하고자 한다. 매장 추천시스템은 협업 필터링을 기반으로 하고 있으며, Apriori 알고리즘을 이용하여 관련성이 높은 매장들의 집합을 찾아 추천한다. 이 시스템은 기업보다는 고객 중심의 서비스를 제공해 줌으로써 고객의 쇼핑 효율성을 제고시킬 뿐 아니라 장기적인 관점에서 시장 활성화에 기여할 수 있을 것으로 기대한다.

• Journal of Intelligence and Information Systems
• /
• v.14 no.2
• /
• pp.63-82
• /
• 2008

Recommendation systems are widely used to help deal with the problem of information overload. Over the past decades, a variety of recommendation systems have been developed as the amount of information in the world increases far more quickly than our ability to process it. This paper aims to analyze existing developed recommendation systems, provide systemic review, and present some basic issues on improvement action. Through this, we also suggest useful implications for better recommendation systems and give some ideas to recommendation system developers to improve their system. Especially, this study focuses on researches on recommendation system. In our research, we analyze the studies along with four different keys dimensions : their domain, objective, underlying model, and evaluation method of recommendation systems and portray the results as statistics or statistical graphics or table form.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.585-590
• /
• 2007

기업과 소비자간 일대일 상호작용을 가능하게 하는 전자상거래의 기술적 발달을 통해 소비자에게 더 나은 웹 경험을 제공하기 위해 개인화 서비스를 제공하고 있다. 개인화 추천을 수행하기 위해서는 추천을 받을 사용자와 유사한 다른 사용자들의 선호도를 반영하는 협업 필터링 기법이 많이 활용되고 있으며, 많은 사이트들이 추천을 받은 사용자에게 유사한 사용자들을 보여주어 사회망 연결을 위한 기회를 제공하고 있다. 본 연구에서는 웹 기반 개인화 추천 시스템을 이용하여 사용자에게 효과적으로 제품을 추천하기 위해서, 사회적 실재감(Social Presence)이 추천시스템의 만족도에 미치는 영향에 관하여 연구하고자 한다. 또한, 사회적 실재감을 높이기 위한 방안으로 사회망(Social Network) 데이터의 제시를 통해 다양한 차원의 사회적 실재감과 추천시스템에 대한 만족도 및 신뢰간의 영향관계를 분석한다. 이를 위해 실험집단을 나누어 세 가지 차원의 사회적 실재감을 부여하고, 집단간의 추천 시스템에 대한 신뢰와 만족도간에 차이가 있는지를 분석하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.607-609
• /
• 2005

온라인 및 오프라인 상에서 추천시스템에 대한 요구가 커지고 있으며 이에 관련해 않은 연구가 이루어지고 있다. 추천시스템은 마케팅 활용의 관점에서 목표 상품에 대한 반응 가능성이 높은 고객군을 추천하는 타겟마케팅 추천시스템과 고객 개인별로 구매 가능성이 높은 상품을 추천하는 개인화 추천시스템으로 구분할 수 있다. 지금까지의 추천시스템에 관한 연구는 대부분 개인화 추천시스템의 효율 향상에 목표를 두고 있다. 그러나 기업의 타겟마케팅에 대한 요구를 적절히 지원하지 못하고 있어 타겟마케팅에 대한 연구가 필요하다. 본 연구에서는 상품별 구매 패턴을 이용하는 프로파일 기반 추천 방법을 제안하고 이 방법과 기존의 협력적 추천 방법을 결합하여 특정 상품에 반응 가능성이 높은 고객을 추천하는 방법을 제안한다. 프로파일 기반 추천에서는 카이스퀘어 검정을 사용하여 상품별로 구매 패턴에 영향을 미치는 요인을 추출하고 이를 이용하여 특징 고객군을 선별하여 전체 고객군과 특징 고객과의 엔트로피(Entropy)의 변이 정도를 예측값으로 사용한다. 실험결과, 프로파일 기반 추천과 협력적 추천을 결합하여 추천하는 방법은 한 가지 방법을 사용할 때 보다 좋은 추천 정확도를 나타내었다.

• Journal of the Korea Society of Computer and Information
• /
• v.15 no.11
• /
• pp.205-213
• /
• 2010

This study uses the FP-tree algorithm, one of the mining techniques. This study is an attempt to suggest a new recommended system using a modified FP-tree algorithm which yields an association rule based on frequent 2-itemsets extracted from the transaction database. The modified recommended system consists of a pre-processing module, a learning module, a recommendation module and an evaluation module. The study first makes an assessment of the modified recommended system with respect to the precision rate, recall rate, F-measure, success rate, and recommending time. Then, the efficiency of the system is compared against other recommended systems utilizing the sequential pattern mining. When compared with other recommended systems utilizing the sequential pattern mining, the modified recommended system exhibits 5 times more efficiency in learning, and 20% improvement in the recommending capacity. This result proves that the modified system has more validity than recommended systems utilizing the sequential pattern mining.

• The KIPS Transactions:PartD
• /
• v.9D no.2
• /
• pp.329-336
• /
• 2002

With the fast development of Internet environment, e-Commerce is rapidly increasing. n the expanding e-Commerce environment, the need for a new e-Commerce systems what will deliver products to the customer rapidly and increase sales is growing bigger. Recently, these requirements brought many researches on recommender systems. However, until now, those recommender systems have a limit because it takes too much time for recommender systems to give customers the recommendations in real time, if the number of purchase data of customers is large. So this paper concerns on the recommender systems using collaborative filtering as one of the solutions to increase the competitive power. We proposed and experimented the more improved recommender systems which could decrease the data size to shorten the recommending time by using the representative category of the product which customers want to buy. Also, we design and implement a recommender system using Enterprise JavaBeans.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.667-669
• /
• 2005

유비쿼터스 시대를 향하여 나아가는 현대 사회에서 사람들을 위한 추천시스템은 필수 불가결한 요소 중의 하나이다. 추천 시스템 중에서 사용자의 성별, 나이, 직업 등의 인구 통계적 요소를 고려한 시스템이 주를 이루고 있지만 이러한 시스템에는 어느 정도의 한계가 있다. 추천에 있어서 사용자의 기분, 날씨, 온도 등 주변 환경의 상황이 반영되지 않고 있고 학습을 위한 데이터에 대한 신뢰도 또한 문제가 된다. 이러한 문제점을 해결하기 위해 본 논문에서는 상황정보(Context Information)와 공간 데이터 마이닝(Spatial Data Mining) 기법을 이용한 향상된 추천 시스템을 제안한다. 제안하는 시스템에서는 보다 정확한 추천을 위해 첫째, 날씨, 온도, 사용자의 기분 등의 상황정보를 고려하였다. 그리고 사용자의 유사도 측정을 통해 학습 데이터의 신뢰도를 향상시켰으며, 셋째, 의사결정 트리(Decision Tree) 기법을 이용하여 추천의 정확도를 높였다. 실험을 통하여 측정한 결과 제안하는 추천시스템이 기존의 인구 통계적 요소만을 고려한 시스템이나 의사결정 트리만을 이용한 시스템보다 향상된 성능을 보였다.