• 스마트미디어저널
• /
• 제13권1호
• /
• pp.67-75
• /
• 2024

최근 검색사이트의 인공지능 기반 제품 추천 서비스의 도입이 늘어나고 있는 추세이다. 본 연구는 인공지능 기반 제품 추천에 대한 소비자의 반응 및 광고효과를 이해하고자 브랜드의 특성과 소비자 성향에 따라 AI 상품추천에 대한 소비자의 반응이 어떻게 달라지는지 연구하였다. 본 연구는 대학생을 대상으로 실험연구를 진행하였으며 브랜드 명성(높음 vs.낮음)과 비교성향수준(높음 vs.낮음)이 AI가 추천한 상품의 브랜드태도 및 구매의향에 미치는 영향을 검증하였다. 본 연구 결과 브랜드 명성과 비교성향 수준은 AI가 추천한 상품의 브랜드 태도에 영향을 미치는 것으로 나타났다. 본 연구의 결과는 AI 상품추천 서비스에 대한 소비자의 반응을 보다 세부적으로 이해하고 효과에 영향을 미치는 잠재적 요인들을 검증하였으며 AI를 활용한 서비스 전략 수립에 유용한 시사점을 제공하는 데 의의가 있다.

• 경영정보학연구
• /
• 제23권1호
• /
• pp.155-172
• /
• 2021

최근 온라인 상품 구매의 증가로 인해 사용자의 선호에 맞는 상품을 추천해주는 시스템이 지속적으로 연구되고 있다. 추천 시스템은 사용자들에게 개인화된 상품 추천 서비스를 제공하는 시스템으로 사용자가 상품에 남긴 평점을 이용한 협업 필터링(Collaborative Filtering)이 가장 널리 쓰이는 추천 방법이다. 협업 필터링에서 상품 간의 유사도 계산은 시간이 많이 소요되는데, 특히 리뷰 데이터와 같은 빅데이터를 사용할 경우 더욱 많은 시간을 소요한다. 그래서 본 연구에서는 리뷰 데이터 마이닝을 이용하여 상품 간의 유사도 계산을 빠르게 수행할 수 있으면서 정확도를 높일 있도록 2단계(2-Phase) 방법을 이용한 하이브리드 추천시스템 방식을 제안한다. 이를 위해 온라인 전자책 상거래 상점인 아마존 킨들 스토어(Amazon Kindle Store)의 약 98만 개의 온라인 소비자 평점과 리뷰 데이터를 수집하였다. 실험 결과 본 연구에서 제안한 사용자의 평점과 리뷰를 단계적으로 반영한 하이브리드 추천 방식이 전통적인 추천 방식과 비교하여 추천 시간은 비슷하였으나 높은 정확도를 나타내는 것을 확인하였다. 따라서 제안한 방법을 사용하면 사용자가 선호하는 상품을 빠르고 정확하게 추천함으로써 고객의 만족을 높여서 기업의 매출 증대에 기여할수 있을 것으로 기대된다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.481-485
• /
• 2020

AI와 사용자간의 대화를 통해 사용자의 요구사항을 파악하고, 해당 요구사항에 적합한 상품을 추천하는 형상을 인터랙션 기반 추천 시스템의 한 예로 볼 수 있다. 우리는 해당 시스템 개발을 위하여 의상 코디셋 추천을 위한 대화 기반 데이터셋을 구축하였다. 데이터셋은 대화와 의상 추천 절차를 반복하여 사용자가 원하는 의상셋을 찾아가는 내용으로 구성된다. 그리고, AI의 코디셋 추천 기술 검증을 위해 두가지 의상 추천 평가셋을 제안한다. 본 논문은 대화 데이터셋 및 관련 평가셋의 개발 절차 및 구성에 대하여 기술하고, 관련된 실험 결과 일부를 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.876-878
• /
• 2019

본 연구에서는 금융 분야에서 AI 기술을 이용하여 챗봇 기반의 예측 시스템을 구축하는데 목적이 있다. 사용자가 이해하기 쉽게 챗봇 기반으로 실시간 서비스를 제공하며 투자 경험이 없는 사용자를 타겟으로 투자 추천을 하는 것을 목표로 개발하였다. 챗봇 기반의 금융 어플리케이션에서는 종목 주가조회, 코스피 상위 조회, 예측결과 조회, ELS상품추천 등으로 크게 네 가지의 의도파악을 하며 자연어 처리와 단어 매칭 처리를 통해서 사용자에게 최적화된 정보를 제공한다. 정보의 질을 높이기 위해서 인공지능 학습은 10년 치의 데이터를 학습시켰으며 비슷한 패턴을 예측해서 제공한다. 상장기업의 주식과 은행에서 판매하는 ELS를 추천하고 있으며, 챗봇 서비스를 통해 사용자와 실시간적으로 소통할 수 있는 AI기반의 금융 시스템을 제공한다.

• 경영정보학연구
• /
• 제25권1호
• /
• pp.111-128
• /
• 2023

인공지능(AI) 기술이 발전함에 따라 빅데이터 기반의 상품 선호도 추정 개인화 추천시스템에 관심이 증가하고 있는 추세이다. 하지만 개인화 추천이 적합하지 않은 경우 고객의 구매 의사를 감소시키고 심지어 금융상품의 특성상 막대한 재무적 손실로 확대될 수 있는 위험을 가지고 있다. 따라서 고객의 특성과 상품 선호도를 포괄적으로 반영한 추천시스템을 개발하는 것이 비즈니스 성과 창출과 컴플라이언스 이슈 대응에 매우 중요하다. 특히 금융상품의 경우 개인의 투자성향과 리스크 회피도에 따라 고객의 상품 선호도가 구분되므로 축적된 고객 행동 데이터를 활용하여 맞춤형 추천서비스를 제안하는 것이 필요하다. 이러한 고객의 행동 특성과 거래 내역 데이터를 사용하는 것뿐만 아니라, 고객의 인구통계정보, 자산정보, 종목 보유 정보를 포함하여 추천 시스템의 콜드 스타트 문제를 해결하고자 한다. 따라서, 본 연구는 고객의 거래 로그 기록을 바탕으로 고객의 투자성향과 같은 특성 정보와 거래 내역 및 금융상품 정보를 통해 고객별 금융상품 잠재 선호도를 도출하여 딥러닝 기반의 협업 필터링을 제안한 모형이 가장 성능 우수한 것을 확인하였다. 본 연구는 고객의 금융 투자 메커니즘을 기반으로 금융상품 거래 데이터를 통해 미거래 금융상품에 대한 예상 선호를 도출하는 추천 모델을 구축하여, 선호가 높을 것으로 예상되는 상위 상품군을 추천하는 서비스를 개발하는 것에 의의가 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.781-784
• /
• 2019

최근 AI를 산업 서비스에 적용하기 위해 많은 회사들이 활발히 연구를 하고 있다. 아마존과 넷플릭스 같은 거대 기업들은 이미 빅데이터와 AI 머신러닝을 이용한 추천 시스템을 구현하였고 아마존은 매출의 35%가 추천에 의해 발생하고 넷플릭스 75%의 사용자가 추천을 통해 영화를 선택한다고 보고되었다. 이러한 두 기업의 높은 추천 효율성의 이유는 협업 필터링(Collaborative filtering)과 같은 다양한 추천 알고리즘과 방대한 상품 및 고객 행동(구매, 시청 등) 데이터 등이 존재하고 있기 때문이다. 기계학습에서 알고리즘 학습을 위한 데이터의 양이 많지 않을 경우 알고리즘의 성능을 보장할 수 없다는 것이 일반적인 의견이다. 방대한 데이터를 가진 기업에서 추천 알고리즘을 적극적으로 활용 및 연구하고 있는 것도 이러한 이유 때문이다. 반면, 오프라인 및 여행사 기반에서 온라인 기반으로 영역을 차츰 확대하고 있는 항공 서비스 고객 데이터의 경우, 산업의 특성상 많은 회원에 비해 고객 1명당 온라인에서 활동하는 이력이 많지 않은 것이 특징이다. 이는, 추천 알고리즘을 통한 서비스 제공에서 큰 제약사항으로 작용한다. 본 연구에서는, 이러한 희박한 고객 활동 데이터에서 최신성 기반의 추천 시스템을 통하여 제약사항을 극복하고 추천 효율을 높이는 방법을 제안한다. 고객의 최근 접속 이력 로그를 시간 기준으로 데이터 셋을 분할하여 추천 알고리즘에 반영하였을 때, 추천된 노선에 대한 고객의 반응을 추천 성능 지표인 CTR(Click-Through Rate)로 측정하여 성능을 확인해 보았다.

• 디지털융복합연구
• /
• 제20권3호
• /
• pp.297-307
• /
• 2022

본 연구는 정보제공원(AI 챗봇 vs. 상담원)에 따라 추천하는 제품에 대한 태도와 선택연기에 미치는 영향에 차이가 있는지 살펴보고, 이러한 차이가 발생하게 된 심리적 프로세스에 대해 정보신뢰와 불확실성을 중심으로 살펴보았다. 또한, AI 챗봇이 추천하는 제품에 대한 선택연기를 감소하기 위한 방안으로 의인화의 역할과 사회적 실재감, 지각된 개인화의 순차적 매개효과에 대해 살펴보았다. 이를 살펴보기 위해 3회의 실험을 수행하였다. 실험 1은 256명을 대상으로 시나리오 기법을 사용하여 여행상품 구매과정에서 정보제공원(AI 챗봇 vs. 상담원)에 따른 정보신뢰와 제품태도에 미치는 영향과 불확실성과 선택연기에 미치는 영향에 대해 살펴보고자 하였다. 실험 2는 160명을 대상으로 AI 챗봇의 의인화 여부에 따른 사회적 실재감, 지각된 개인화, 선택연기에 미치는 영향에 대해 살펴보고자 하였다. 연구결과는 다음과 같다. 첫째, 소비자는 AI 챗봇(vs. 상담원)이 추천하는 제품정보를 신뢰하여 더 긍정적인 제품태도를 보이는 것으로 나타났다. 둘째, 소비자는 AI 챗봇(vs. 상담원)이 추천하는 제품을 구매할지 선택하는 상황에서 오히려 불확실성을 지각하여 선택연기가 높게 나타났다. 셋째, 소비자는 의인화된 AI 챗봇(vs. 비의인화된 AI 챗봇)이 추천하는 제품에 대한 선택연기는 사회적 실재감과 지각된 개인화를 통해 감소하는 것으로 나타났다. 마지막으로 연구결과를 기반으로 시사점과 향후 연구방향에 대해 논의하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.464-465
• /
• 2023

대화형 추천 시스템은 대화를 통해 사용자의 현재 선호도를 파악하고 상품을 추천해주는 시스템이다. 대화의 맥락은 변화하기 때문에 대화 중 최근 언급된 엔티티가 사용자의 현재 선호와 더 관련이 있다. 그러나, 기존 방법들은 언급된 엔티티들의 순서를 고려하지 않았기 때문에 사용자의 현재 선호도를 표현하는데 한계가 존재한다. 본 논문에서는, 대화 내 언급된 엔티티들의 순서를 고려하는 아키텍처를 제안하고, 실세계 데이터를 활용해 다음 상품을 예측하는데 엔티티 순서를 고려하는 것이 효과적인지 실험을 통해 보여준다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.698-700
• /
• 2023

최근 들어, 미용 상품을 선택하기 전에 자신의 피부 타입과 상태를 정확히 파악하고 맞춤형 상품을 선택하고자 하는 수요가 증가하고 있다. 이에 따라 피부 상태 측정을 위한 기술적 요소의 중요성이 더욱 두드러지고 있다. 그러나 현재까지 피부 상태 측정을 위한 데이터셋이 한국인을 대상으로 측정한 데이터셋이 없는 실정이다. 본 연구에서는 한국인의 피부 상태를 정밀하게 분석하기 위해 고해상도 디지털 카메라로 촬영된 이미지, 정밀 피부측정 장비를 활용하여 측정한 정밀 값, 그리고 피부과 전문의가 진단한 피부상태 진단 등급 데이트를 통합하여 제공을 한다. 추후 제작한 데이터셋을 활용하여 개인 맞춤형 미용상품 추천과 개발 등 다양한 분야에 활용하고자 한다.

• 한국인터넷방송통신학회논문지
• /
• 제23권6호
• /
• pp.15-20
• /
• 2023

본 논문은 캐릭터 웹드라마에 적합한 간접광고 제품을 추천하는 인공지능(AI) 시스템 알고리즘 개발에 관한 연구이다. 본 연구는 웹드라마의 대사 작성에 있어 그에 어울리는 간접광고 제품을 추천함으로써 시청자의 콘텐츠 몰입도를 높이고, 드라마의 스토리를 보다 깊게 이해하는 데 도움을 주는 것을 목표로 한다. 본 연구에서는 자연어처리 모델 인 GPT를 활용하여 대사, 줄거리를 분석하고, 분석 결과를 바탕으로 소품형, 배경형 등 두 가지 유형의 간접광고 제품 추천 시스템을 개발한다. 이를 통해 웹드라마의 스토리에 부합하는 제품을 적절히 배치함으로써 간접광고가 자연스럽게 노출될 수 있도록 하고, 그로 인해 시청자들의 몰입도가 증가하며, 상품 홍보의 효과 또한 높인다. 숨겨진 뜻이나 문화적 뉘앙스를 완벽하게 이해하기 어려운 인공지능 모델의 한계와 학습에 필요한 충분한 데이터 확보가 어렵다는 한계가 있다. 그러나 본 연구는 AI가 창작물 제작에 어떻게 기여할 수 있는지에 대한 새로운 인사이트를 제공하고, 창의적 산업 분야에서 자연어 처리 모델의 활용 가능성을 넓히는 중요한 발판이 될 것이다.