• 한국전자거래학회지
• /
• 제9권4호
• /
• pp.19-36
• /
• 2004

본 연구는 제품의 구매자와 수령자가 상이한 글로벌 협업 전자상거래를 구현하기 위한 비즈니스 모형 및 절차를 제안한다. 글로벌 협업 전자상거래를 수행하고자 하는 기업은 해당 기업의 소재 지역에만 지점을 보유하고 있으며 판매 및 물류 프로세스 협업을 통해 글로벌 판매를 수행하고자 한다. 해당 기업들은 교환 가능한 제품분류표를 공유함으로 인해 글로벌 협업 전자상거래를 수행할 수 있다. 이를 위해서는 기업들이 보유하고 있는 판매 제품과 교환판매가 가능한 제휴 기업의 제품을 찾아내기 위한 알고리즘이 필요하다. 본 연구에서는 제휴 기업간 교환 판매를 위해 교환 가능한 제품들을 찾아내기 위한 유사상품발견 알고리즘을 제안한다. 이 알고리즘은 제휴 기업들의 제품분류표에서 동일한 제품 군에 속해있는 제품들의 사양 값에 따라 효용 값을 계산하는 다기준 의사결정기법에 근거한다. 제안된 알고리즘에 근거한 글로벌 협업 전자상거래 모형을 활용하게 되면 기업들은 물리적 지점의 확장 없이 글로벌 판매를 수행할 수 있으며 고객은 자신의 거주 지역에서 구매한 제품을 다른 지역으로 저렴하게 배달시킬 수 있게 될 것이다.

• 디지털융복합연구
• /
• 제12권6호
• /
• pp.277-287
• /
• 2014

위치 기반 소셜 네트워크 서비스에서 사용자들은 체크인 데이터를 이용해 장소를 공유하고 커뮤니케이션을 한다. 체크인 데이터는 POI명, 카테고리, 장소 좌표/주소, 사용자 닉네임, 장소 평가 점수, 관련 글/사진/동영상 등으로 구성된다. 위치 기반 소셜 네트워크 서비스에서 이러한 체크인 데이터를 상황에 맞게 분석하면 다양한 맞춤형 서비스를 제공할 수 있다. 따라서, 본 논문에서는 사용자 체크인 데이터를 활용할 수 있는 LBSNS(Location-based Social Network Service) 기반 장소 추천 시스템을 개발하였다. LBSNS 기반 장소 추천 시스템은 체크인 데이터 중 장소 카테고리를 분석하여 가중치를 추출하고, 피어슨 상관계수를 이용해 사용자간의 유사도를 구한다. 그리고 협업적 필터링 알고리즘을 이용하여 추천 장소에 대한 선호도 점수를 구하고, 추천 대상 장소의 위치와 사용자의 현재 위치에 대해 유클라디안 알고리즘을 적용하여 거리 점수를 구한다. 마지막으로, 선호도 점수와 거리 점수에 대해 가중치 계수를 적용하여 상황에 맞게 장소를 추천한다. 또한, 본 논문에서는 실제 데이터를 이용한 실험을 통해 본 논문에서 제시한 시스템의 우수성도 입증하였다.

• 한국시뮬레이션학회논문지
• /
• 제15권3호
• /
• pp.23-30
• /
• 2006

추천자 시스템은 전자상거래 사이트에서 고객의 상품 구매 정보를 수집하여 고객에 대한 예상 구매 상품을 추천하는 목적으로 개발되었다. 본 연구는 대형 전자상거래 사이트에서 고객의 상품 구매 이력이 활용 가능한 경우에 전통적인 통계기법인 군집분석 및 고객 간의 상품 구매 상관성을 이용하는 기존 추천자 시스템(협력적 필터링 기법)과 문서 검색에서 사용되는 LSI분석에 기반한 협업 필터링 기법을 상품 추천에 적용하여 각 기법의 상품 추천 효율성을 비교 분석하였다. 문서-용어 행렬과 유사한 구조를 가지는 고객-상품 구매 행렬에 문서 검색에 사용되는 LSI 분석법은 고객의 상품구매 경향을 원 상품 수보다 축소된 차원의 변환 상품을 통하여 파악함으로써 목표고객에 대한 인접고객군의 생성 노력을 현저히 감소시킬 수 있어 결과적으로 실시간으로 적용되는 추천자 알고리즘의 효율성을 개선할 수 있을 것으로 기대할 수 있다. 가상적인 고객-상품 구매 리스트를 대상으로 실행한 시뮬레이션 실험 결과에서도 알고리즘의 효율성 평가측도인 recall과 정확도 및 F1에서 LSI 기반 협력적 필터링 기법이 기존의 방법보다 우수한 결과를 나타내었다. 시뮬레이션 결과, 인접고객 군의 크기가 일정한 수준에 이르면 그 크기를 증가시키더라도 알고리즘의 효율성은 별로 개선되지 않으며 또한 추천 상품 수가 일정 수준에 도달하면 추천 정확도가 낮아지는 정도에 비해 recall의 개선도는 별 변화가 없는 것으로 나타나고 있다. 추천자 시스템을 구현하는 용도에 따라 이러한 정보는 유용하게 사용될 수 있다고 판단된다.

• 한국멀티미디어학회논문지
• /
• 제10권1호
• /
• pp.128-138
• /
• 2007

기존 아날로그식 방송에서 디지털 양방향 방송이 본격화됨에 따라, 시청자에게 제공되어지는 콘텐츠와 채널의 수가 기하급수적으로 늘어나고 있다. 이러한 다채널 다매체 시대에 국내 디지털 방송의 표준인 유럽의 DVB-MHP 표준안을 준수한 EPG(Electronic Program Guide : 전자 프로그램 가이드)는 시청자에게 TV 시청을 편리하게 제공할 수 있는 서비스이자 필수 요소이다. 그러나 방대한 TV 콘텐츠와 그에 따른 채널수에 인해 단순한 리모콘의 동작만으로 채널을 탐색하기에는 어려움이 있다. 이에 본 논문에서는 시청자가 선호하는 DiTV용 콘텐츠를 제공하기 위해 MHP 기반의 Java Xlet 어플리케이션을 이용하여 시청자의 콘텐츠선호도와 비슷한 선호도집단 내에서 서로 추천해주는 협업필터링 알고리즘을 적용한 콘텐츠 추천 EPG를 설계 및 구현하였으며, OpenMHP 에뮬레이터를 통해 결과를 확인하였다.

• 정보과학회 논문지
• /
• 제44권5호
• /
• pp.486-495
• /
• 2017

협업 필터링(CF, Collaborative Filtering)은 추천을 수행하기 위해 필요한 비용(시간/공간 복잡도 등)이 현실 데이터에 적용하기에는 한계가 있다. 평점 빈도 가중치 기반의 Baseline Predictor(RFWBP, Rating Frequency Weight-based Baseline Predictor)는 정확도가 기존의 방법과 근사하며, 비용을 크게 줄일 수 있는 효율적인 방법 중 하나이다. 그러나 효율성을 고려해 RFWBP만 사용할 경우, 1)학습을 수행하지 않기 때문에 발생되는 오차를 감소시킬 수 없고, 2)적합한 추천 목록을 작성하기 위한 조건이 없기 때문에 모두 추천했다. 본 논문은, 제시된 문제를 해결하기 위한 BBP(Bias-Based Predictor)를 제안한다. BBP는 Bias를 보정하여 오차의 범위를 감소시킴으로써 1)을 해결했고, 선호에 적합한 추천 목록 작성을 위한 몇 가지 Case를 정하고, 추천 목록을 구성함으로써 2)를 해결하였다.

• 정보관리학회지
• /
• 제38권2호
• /
• pp.113-127
• /
• 2021

본 연구는 대학 도서관 사용 증진을 위하여 개인별 맞춤 도서 추천시스템을 구축하는 것을 목적으로 한다. 특히 사용자의 아이템에 대한 선호도가 존재하는 다수의 추천시스템과는 달리, 선호도가 존재하지 않을 때에 도서 추천이 가능하도록 하는 방안인 도서관 이용자의 도서 대출 목록과 성향을 활용하여 평가지표를 생성하는 방법을 제안하고자 한다. 이용자가 아직 읽지 않은 책에 대한 예상 선호도를 산출하는 방식으로 도서를 추천하는 행렬 분해 방법인 Singular Value Decomposition(SVD)과 Stochastic Gradient Descent(SGD) 알고리즘을 활용한 모델을 구축했다. 더불어 유사도가 높은 이용자 그룹 내의 도서 대출 목록을 참조하여 추천하는 사용자 기반 협업 필터링 알고리즘을 활용해 모델을 구현했다. 최종적으로 평가지표를 활용한 세 가지 모델에 대하여 사용자 평가를 진행했다. 각각의 모델이 제시한 개인별 맞춤 도서 다섯 권의 목록을 해당 대출자에게 제공하고, 추천 도서에 대한 만족/불만족 여부를 이진화 점수화하여 모델에 대한 평가를 진행했다.

• 한국인터넷방송통신학회논문지
• /
• 제12권3호
• /
• pp.75-81
• /
• 2012

인터넷이 발달하고 접할 수 있는 데이터가 폭증하면서 데이터들에서 사용자는 자신의 기호에 맞는 정보를 찾기가 점점 힘들어 진다. 추천 시스템은 사용자의 기호에 맞는 정보들을 추출하는데 큰 도움을 줄 수 있다. 본 연구는 강화 학습 알고리즘을 기반으로 한 하이브리드 추천 시스템을 사용하여 사용자의 선호도 예측에 대한 정확도를 향상 시켰다. 본 연구는 2000장의 이미지로 테스트를 진행하였다. 테스트 할 때 평균 절대 오차를 구하여 분석한 결과 제안하는 시스템이 협업적 필터링, 내용 기반 필터링, 단순 하이브리드 필터링의 성능보다 더 우수한 것으로 나타났다.

• 지능정보연구
• /
• 제13권4호
• /
• pp.45-63
• /
• 2007

유비쿼터스 환경에 기반한 시장, 즉 U-마켓에서는 고객이 제품을 구매함과 동시에 고객의 정보가 u-마켓 서버시스템에 저장되어 인터넷 쇼핑몰과 같이 다양한 분석과 활용이 가능하게 되었다. 물리적인 공간과 가상 공간이 결합된 유비쿼터스 기반의 시장 환경에서는 고객이 오프라인에서 다양한 매장을 방문하면서 쇼핑을 하게 되는데, 이때 여러 매장에 동일한 제품이 동시에 존재할 수 있으므로 매장의 위치, 매장 분위기, 제품의 품질이나 가격 등에 대한 고객의 선호도를 반영하여 고객 개개인에게 적절한 매장을 추천해야 할 필요성이 제기된다. 본 논문에서는 유비쿼터스 환경에 기반한 시장에서 고객의 쇼핑 상황을 고려하여 고객의 선호를 반영할 수 있는 매장 추천방법을 제안한다. 제안한 매장 추천방법은 협업 필터링과, Apriori 알고리즘을 기반으로 구성되어 있다. 온라인 쇼핑몰과는 다르게 U-마켓에서는 고객 개개인의 구매목록과 고객의 선호도를 반영한 매장 추천이 필요하며, 본 논문에서 제안하고 있는 매장 추천방법은 고객의 쇼핑경험을 극대화 하고 쇼핑 효율성을 제고시킬 뿐 아니라 장기적인 관점에서 매출증대를 통해 U-마켓 활성화에 기여할 수 있을 것으로 기대한다.

• 경영정보학연구
• /
• 제18권2호
• /
• pp.59-77
• /
• 2016

전자상거래 시장에서는 점차 다양한 추천기법들이 적용되고 있으나, 고객 관점에서 이에 대한 사용의도를 비교 분석한 연구는 매우 드물다. 본 연구는, 온라인 쇼핑몰에서 널리 활용되고 있는 베스트셀러 추천, MD(Merchandiser)추천, 내용기반 추천, 협업필터링 추천, 그리고 지인추천 등의 다섯 가지 추천기법들에 대한 고객의 사용의도를, 전자제품군 구매 시와 의류군 구매 시에 대해서 비교 분석하였다. 이와 더불어, 어떠한 요소들이 고객의 추천서비스 사용의도에 영향을 미치는지에 대한 연구를 수행하였다. 이를 위해, 추천서비스 사용경험이 있는 전자상거래 사용자 총 220명을 대상으로 설문조사를 수행한 후, 분산분석(ANOVA), 회귀분석 등을 사용하여 데이터 분석을 수행하였다. 본 연구결과, 추천기법에 따른 고객의 추천서비스 사용의도에는 통계적으로 유의한 차이가 있으며, 특히 전자제품군 구매 시에는 베스트셀러 추천기법이, 의류군 구매 시에는 내용기반의 추천기법이 가장 선호되는 것으로 나타났다. 또한, 고객의 인물특성, 성격요인, 구매성향, 구매하려는 제품에 대한 인식 및 추천서비스에 대한 인식 등이 추천서비스 사용의도에 영향을 미치는 것으로 나타났으나, 세부적인 영향요소들은 추천기법별로 상이하게 도출되었다. 이러한 연구는 기업들에게 제품군 및 개인의 성향에 적합한 기법을 채택하여 추천서비스를 수행할 수 있도록 하는 가이드라인(guideline)을 제시해 줄 수 있을 것으로 기대된다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.