• 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
• /
• 2004.11a
• /
• pp.340-348
• /
• 2004

온라인상점의 상품추천시스템은 일대일마케팅의 대표적 실현수단으로써의 가치를 인정받고 있다. 대부분의 상품추천시스템은 시시각각 변화하는 소비자의 기호에 따라 상품을 어떻게 추천할 것인가에 대한 문제에 직면해 있다. 본 연구에서는 급변하는 온라인상점 환경에 탄력적으로 대응하기 위하여 데이터마이닝과 다중모형조합기법을 이용한 상품추천시스템 모형을 제안하고자 한다. 제안하는 상품추천시스템은 현재 운영중인 온라인상점 데이터로 프로토타입을 구축하고 실제 소비자에 대한 적용가능성을 검증하였으며, 그 결과 실제 유용할 것으로 확인되었다.

• Information Systems Review
• /
• v.19 no.2
• /
• pp.71-94
• /
• 2017

Recommender systems reduce information overload and enhance choice quality. This technology is used in many services and industry. Previous studies did not consider recommendation quantity and the repetitive recommendations of an item. This study is the first to examine recommender systems by considering recommendation quantity and repetitive recommendations. Only a limited number of items are displayed in offline stores because of their physical limitations. Determining the type and number of items that will be displayed is an important consideration. In this study, I suggest the use of a user-based recommender system that can recommend the most appropriate items for each store. This model is evaluated by MAE, Precision, Recall, and F1 measure, and shows higher performance than the baseline model. I also suggest a new performance evaluation measure that includes Quantity Precision, Quantity Recall, and Quantity F1 measure. This measure considers the penalty for short or excess recommendation quantity. Novelty is defined as the proportion of items in a recommendation list that consumers may not experience. I evaluate the new revenue creation effect of the suggested model using this novelty measure. Previous research focused on recommendations for customer online, but I expand the recommender system to cover stores offline.

• 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 Korea Information Processing Society Conference
• /
• 2001.04b
• /
• pp.1021-1024
• /
• 2001

본 논문은 인터넷 쇼핑몰에서의 효율적인 상품 추천 시스템의 구조를 제안한다. 본 상품 추천 시스템은 상품 정보 데이터베이스와 추천 엔진으로 이루어지며 사용자에게 질문을 던져서 사용자의 조건을 수집한 다음, 이를 상품 정보와 비교하여 가장 최적의 상품을 추천한다. 추천 시스템에서는 특정 상품이 사용자의 조건과 얼마나 일치하는지를 점수로 표시하고 이들 점수를 모든 상품에 대하여 계산한 다음, 가장 높은 점수를 얻은 상품을 추천하게 된다. 이 시스템의 장점은 조건에 정확히 부합하는 상품이 없는 경우에도 가장 조건과 많이 일치하는 상품을 추천할 수 있다는 것이다. 또한 하나의 관점이 아닌 서로 다른 관점을 가지고 있는 여러 전문가가 추천하는 것처럼 본 상품 추천 시스템도 3가지에서 최적의 상품을 추천한다. 하나의 예로 핸드폰을 추천하는 인터넷 사이트를 구축하고 테스트하였다.

• 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.

• 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.

• Proceedings of the Korean Society of Precision Engineering Conference
• /
• 2004.05a
• /
• pp.211-211
• /
• 2004

최근 인터넷 비즈니스의 증가로 고객 수요를 정확하게 예측하여 적절한 상품을 추천하는 추천 시스템의 개발 및 사용이 활발해지고 있다. 현재의 추천 시스템은 주로 내용 기반 추천(Content based Filtering)과 협력적 추천(Collaborative Filtering)을 사용하고 있으나 이러한 추천 시스템으로는 추천의 이유나 배경의 설명이 곤란하며, 시시각각 변하는 사용자의 의도를 파악하고 적절하게 응답하기에는 부족한 면이 있다.(중략)