• 지능정보연구
• /
• 제24권2호
• /
• pp.85-109
• /
• 2018

추천시스템은 사용자의 과거 구매행동을 통해 향후 구매할 것이라고 예상되는 제품을 자동으로 검색하여 추천해준다. 특히 전자상거래 기업의 상품추천시스템은 일대일 마케팅의 대표적 실현수단으로 가치가 있다. 하지만, 전통적인 추천시스템, 특히 학계 및 산업계에서 가장 널리 사용되고 있는 전통적인 협업필터링 기법은 단일차원의 '종합 평점'만을 고려하여 추천결과를 생성하도록 설계되어 있어, 사용자들의 정확한 니즈를 이해하고 대응하는데 근본적인 한계가 있다. 최근에는 전자 상거래 기업들도 고객들로부터 보다 다각화된, 다기준 방식으로 피드백을 받고 있다. 특히 다기준 평점은 정량적으로 입력되는 정보이므로 상대적으로 분석 및 처리가 용이하다는 장점이 있다. 그러나 다기준 평점 역시 사전에 정해진 기준에 대해서만 사용자의 피드백이 이루어지기 때문에, 보다 상세하게 사용자의 의견을 이해하여 추천에 반영하는 데에는 한계가 있다. 이에 본 연구는 다기준 평점 정보와 선택적 협업필터링의 서로 다른 접근방법을 통해 도출된 추천결과를 종합하여, 최종적으로 추천 대상리스트를 산출할 수 있는 하이브리드 기술을 제안한다. 본 연구에서 제안한 연구모형의 유용성을 검증하기 위해, 식음료점(식당, 카페 등)에 대한 실제 이용자를 대상으로 온라인 설문을 통해 종합 평점과 다기준 평점을 수집하였으며, 데이터를 학습용과 검증용으로 구분하여 학습시키고 성과를 평가하였다. 이 기법은 결합 함수 기반 접근법과 사용자마다 구매의사결정의 체계가 다르다는 전제하에, 사용자들을 유형화하고, 유형에 따라 정보원을 선택적으로 활용하는 협업필터링 알고리즘을 활용했다. 실험결과, 제안 알고리즘을 통한 추천 방법이 단일 차원을 고려하는 전통적인 협업필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인했다. 아울러, 본 연구가 제안하는 다기준 평점과 선택적 협업필터링 알고리즘을 종합하여 추천하는 방법이, 단순히 다기준 평점을 고려했을 때 보다 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.

• 벤처창업연구
• /
• 제18권5호
• /
• pp.77-90
• /
• 2023

본 연구의 목적은 SNS 사용특성과 대출상품의 특성, 개인특성이 신용대출 상환에 미치는 영향력을 확인하여 SNS를 활용하는 대안신용평가가 기존 대출심사를 보완할 수 있는지를 검증하기 위함이다. 이를 위해 SNS를 활용하여 실제 대출심사에 반영하고 있는 T사 A 신용대출 프로그램 데이터를 이용하여 SNS 사용특성, 대출특성, 개인특성이 신용대출 상환에 미치는 영향력을 이항로지스틱 회귀분석을 통해 분석하였다. 분석결과 첫째, 사용자의 성격 및 개별 특성을 나타내는 프로필 사진의 경우 본인을 드러내지 않으려고 프로필 사진을 등록하지 않은 사람들과 달리 외향적인 경향의 사람이 선택할 가능성이 큰 본인 사진, 가족, 친구 등의 사적그룹 사진, 성실성의 경향이 강한 사람이 선택할 확률이 높은 취미 등 사회활동 사진, 개방성과 신경성이 높은 경향의 사람이 많이 선택하는 캐릭터·유머 사진, 개인의 사생활과 직결되는 가족·친구 등 사진을 SNS에 사용하는 사람들일수록 신용대출 상환에 적극적인 것으로 나타났다. 본인을 감추는 풍경 등의 사진 사용과 신용대출 상환과의 인과관계는 통계적으로 유의하지 않은 것으로 나타났다. 또한, SNS 사용량이 많을수록 신용대출 상환가능성이 높아지는 것으로 나타났다. 반면 SNS 소통량은 신용대출 상환가능성에 유의한 영향을 미치지 않는 것으로 나타났는데, 이는 소통량이라는 변수가 사용자가 직접 작성한 글보다는 타인의 댓글에 대한 공감을 나타내는 수동적 측면이 강하기 때문에 나타난 결과라 판단된다. 대출채권이 가진 특성을 나타내는 대출기간과 대출횟수도 신용대출 상환에 통계적으로 유의한 영향을 미치는 것으로 나타났다. 이는 대출기간과 대출횟수가 소액대출 상품에서도 중요한 영향요소로 고려되어야 함을 의미한다. 개인 특성 변수 중에서는 성별만 유의하게 나타났다. 이는 분석에 사용한 대출프로그램이 은행 등의 금융기관에서 대출이 불가능한 저신용 점수를 가진 20~30대 고객이 대부분인 상품으로 이용자의 나이와 신용점수에 있어서 차별성이 크지 않다는 것을 의미한다. 본 연구는 SNS사용량과 프로필 사진 등 기존 신용평가 연구에서 다루지 않은 변수를 사용하여 신용대출 상환과의 영향관계를 실증분석 하였다는 점에서 기존 연구와 차별성을 갖는다. SNS와 같은 주관적 비정형정보를 서민지원 대출심사에 활용한다면, 신용거래가 없어서 신용등급이 낮거나 단기적 유동성 함정에 빠진 차입자 즉 금융이력부족자(Thin filer)들이 신용거래 등의 금융 이력이 축적될 때까지의 신용비용에 대한 불이익을 감소시킬 수 있다는 점에서 의의가 있다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.173-198
• /
• 2020

최근 온라인의 비약적인 활성화로 캠페인 채널들이 다양하게 확대되면서 과거와는 비교할 수 없을 수준의 다양한 유형들의 캠페인들이 기업에서 수행되고 있다. 하지만, 고객의 입장에서는 중복 노출로 인한 캠페인에 대한 피로감이 커지면서 스팸으로 인식하는 경향이 있고, 기업입장에서도 캠페인에 투자하는 비용은 점점 더 늘어났지만 실제 캠페인 성공률은 오히려 더 낮아지고 있는 등 캠페인 자체의 효용성이 낮아지고 있다는 문제점이 있어 실무적으로 캠페인의 효과를 높이고자 하는 다양한 연구들이 지속되고 있다. 특히 최근에는 기계학습을 이용하여 캠페인의 반응과 관련된 다양한 예측을 해보려는 시도들이 진행되고 있는데, 이 때 캠페인 데이터의 다양한 특징들로 인해 적절한 특징을 선별하는 것은 매우 중요하다. 전통적인 특징 선택 기법으로 탐욕 알고리즘(Greedy Algorithm) 중 SFS(Sequential Forward Selection), SBS(Sequential Backward Selection), SFFS(Sequential Floating Forward Selection) 등이 많이 사용되었지만 최적 특징만을 학습하는 모델을 생성하기 때문에 과적합의 위험이 크고, 특징이 많은 경우 분류 예측 성능 하락 및 학습시간이 많이 소요된다는 한계점이 있다. 이에 본 연구에서는 기존의 캠페인에서의 효과성 제고를 위해 개선된 방식의 특징 선택 알고리즘을 제안한다. 본 연구의 목적은 캠페인 시스템에서 처리해야 하는 데이터의 통계학적 특성을 이용하여 기계 학습 모델 성능 향상의 기반이 되는 특징 부분 집합을 탐색하는 과정에서 기존의 SFFS의 순차방식을 개선하는 것이다. 구체적으로 특징들의 데이터 변형을 통해 성능에 영향을 많이 끼치는 특징들을 먼저 도출하고 부정적인 영향을 미치는 특징들은 제거를 한 후 순차방식을 적용하여 탐색 성능에 대한 효율을 높이고 일반화된 예측이 가능하도록 개선된 알고리즘을 적용하였다. 실제 캠페인 데이터를 이용해 성능을 검증한 결과, 전통적인 탐욕알고리즘은 물론 유전자알고리즘(GA, Genetic Algorithm), RFE(Recursive Feature Elimination) 같은 기존 모형들 보다 제안된 모형이 보다 우수한 탐색 성능과 예측 성능을 보임을 확인할 수 있었다. 또한 제안 특징 선택 알고리즘은 도출된 특징들의 중요도를 제공하여 예측 결과의 분석 및 해석에도 도움을 줄 수 있다. 이를 통해 캠페인 유형별로 중요 특징에 대한 분석과 이해가 가능할 것으로 기대된다.