• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.11-12
• /
• 2023

본 논문에서는 상점 내 캡티브 포털을 활용하여 수집된 주문 정보 데이터를 바탕으로 사용자가 선호하는 메뉴를 추천하는 시스템을 제안한다. 이 시스템은 식품 관련 공공 데이터셋으로 학습된 단어 임베딩 모델(Word Embedding Model)로 메뉴명을 벡터화하여 그와 유사한 벡터를 가지는 메뉴를 추천한다. 이 기법은 캡티브 포털에서 수집되는 데이터 특성상 사용자의 개인정보가 비식별화 되고 선택 항목에 대한 정보도 제한되므로 기존의 단어 임베딩 모델을 추천 시스템에 적용하는 경우에 비해 유리하다. 본 논문에서는 실제 동일한 시스템을 사용하는 상점들의 구매 기록 데이터를 활용한 검증 데이터를 확보하여 제안된 추천 시스템이 Precision@k(k=3) 구매 예측에 유의미함을 보인다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.5-6
• /
• 2023

본 연구에서는 언텍트 소비가 일반화됨에 따라 소상공인들을 지원하기 위해 캡티브-포털을 활용하여 주문하는 등의 시스템을 구축하고 있으며, 이에 상권 내 방문자들의 주문 정보를 기반으로 개인의 선호나 취향을 고려하고 기존 방문 순서를 고려하여 다음 방문지를 추천할 수 있는 모델을 개발하고자 한다. 모델 개발을 위한 데이터셋으로는 캡티브-포털을 통해 수집되는 변수 항목과 유사한 위치기반 SNS 데이터인 Foursquare 데이터를 활용했다. 본 논문에서는 데이터셋의 변수 중 상호명을 기반으로 22개의 행동 유형 카테고리로 묶어 현재 행동 유형 이후에 다음에 이어질 행동 유형을 예측하는 것을 제안한다. 개인 별 세션 기반의 데이터셋을 LightMove 알고리즘을 활용하여 행동유형 예측을 임베딩 차원의 변경하여 실험한 결과 500차원에서 Top-5가 82.72의 성능을 보임을 확인했다. 향후 국내 상권에 맞는 방문지 추천 시스템이 개발된다면 방문지 추천을 활용하여 다양한 마케팅 전략을 수립이 가능해질 수 있고, 이를 통해 지역 상권이 활성화될 것으로 기대된다.