• 한국IT서비스학회지
• /
• 제22권1호
• /
• pp.43-56
• /
• 2023

With the development of the e-commerce market, various types of products continue to be released. However, customers face an information overload problem in purchasing decision-making. Therefore, personalized recommendations have become an essential service in providing personalized products to customers. Recently, many studies on GCN-based recommender systems have been actively conducted. Such a methodology can address the limitation in disabling to effectively reflect the interaction between customer and product in the embedding process. However, previous studies mainly use implicit feedback data to conduct experiments. Although implicit feedback data improves the data scarcity problem, it cannot represent customers' preferences for specific products. Therefore, this study proposed a novel model combining explicit and implicit feedback to address such a limitation. This study treats the average ratings of customers and products as the features of customers and products and converts them into a high-dimensional feature vector. Then, this study combines ID embedding vectors and feature vectors in the embedding layer to learn the customer-product interaction effectively. To evaluate recommendation performance, this study used the MovieLens dataset to conduct various experiments. Experimental results showed the proposed model outperforms the state-of-the-art. Therefore, the proposed model in this study can provide an enhanced recommendation service for customers to address the information overload problem.

• 지능정보연구
• /
• 제17권3호
• /
• pp.147-168
• /
• 2011

상품 및 서비스에 대한 개인화된 추천 서비스가 중요해짐에 따라, 많은 연구자들은 추천시스템 개발을 위한 다양한 지식과 기법들을 제공해왔다. 이러한 기법들 중에서 협업 필터링(Collaborative Fitering) 기법은 여러 분야에서 널리 사용되고 있으며, 그 유용성이 입증되었다. 하지만, 추천시스템의 성능을 더욱 높이기 위해서 현재의 협업 필터링 기법은 다음과 같은 점들을 고려해야 한다. 첫째, 대부분의 추천시스템과 관련한 연구에서 특정 고객과 성향이 유사한 다른 고객들을 찾기 위해 사용되는 유사도 함수들(Similarity Functions)은 대부분 특정한 관점에 초점을 두고 있기 때문에 다양한 관점에서 성향이 유사한 다른 고객들을 찾는데 한계를 가진다. 따라서, 특정 관점에 치우치지 않는 통합된 유사도 함수를 사용해야 할 필요가 있다. 둘째, 고객들의 성향은 시간이 지남에 따라 변화하기 때문에, 이를 추천결과에 반영하기 위해서는 시간에 따른 고객들의 구매 성향의 변화를 고려해야 한다. 본 연구는 여러 실험들을 통해 다음의 가설을 검정하는 것을 목적으로 하였다-다양한 관점이 동시에 반영된 통합 유사도 함수의 이용과 시간정보를 이용한 사용자의 구매 성향의 변화를 반영할 경우 추천의 정확도가 향상될 것이다. 다양한 실험을 통해, 본 연구에서 제시한 추천시스템은 전통적인 협업 필터링 기반의 추천시스템들에 비해 일반적으로 상당히 높은 정확도를 보였으며 이를 통해, 본 연구에서 제시한 가설이 채택될 수 있음을 확인하였다.

• 한국전자거래학회지
• /
• 제17권3호
• /
• pp.85-103
• /
• 2012

온라인에서 추천시스템은 사용자들의 구매 이력 또는 선호도를 바탕으로 적절한 콘텐츠 또는 서비스를 제공하는 IT기술이다. 추천시스템에 대한 사용자의 평가에는 추천 결과에 기반한 시스템 성과와 추천 방식에 의해 형성되는 사용자의 태도에 대한 두 측면 모두 고려되어야 한다. 그러나 시스템 성과와 사용자 태도에 대한 통합적 관점의 추천시스템 평가에 대한 연구는 많지 않았다. 본 연구의 목적은 추천시스템에 대한 사용자 평가의 통합적 관점을 제시하는 것에 있다. 그에 따라 사용자 태도 형성과 관련하여 자기 참조(Self-reference)와 사회적 실재감(Social Presence)의 정도를 구분하여 웹 기반 실험을 수행하였으며 추천시스템의 성과 측정을 위하여 추천 알고리즘 평가에 널리 활용되어 온 정확성(Accuracy)과 새로움(Novelty)을 활용하였다. 연구의 결과로 추천시스템의 사용자 만족에 미치는 변수로 정확성과 새로움이 시스템 특성 요소로 제시되었으며 사용자 태도 관점에서 사회적 실재감이 사용자의 만족에 영향을 주었다.

• 지능정보연구
• /
• 제18권3호
• /
• pp.119-135
• /
• 2012

본 연구는 추천의 정확도 및 다양성을 향상시키기 위해, 가장 널리 사용되는 추천 알고리즘의 하나인 이웃 기반의 협업 필터링(Neighborhood-based Collaborative Filtering) 시스템의 개선방안 제시를 목적으로 한다. 이를 위해서 추천 시스템 사용자의 성향을 파악하고 이와 유사한 성향을 가진 이웃 사용자들 중에서 비교 가능한 선호도 정보가 많을수록 높은 가중치를 부여함으로써 최적의 이웃을 선택할 수 있도록 하였다. 영화 데이터를 이용하여 분석한 결과, 대부분의 경우 기존 시스템보다 더 정확하고 다양한 추천 결과를 얻을 수 있었다. 또한 사용자의 선호도를 여러 항목으로 평가할 경우, 사용자의 선호도 정보가 증가하여 추천 결과의 추가적인 향상을 가져왔다. 마지막으로, 추천의 정확도 및 다양성의 요소를 통합적으로 평가할 수 있는 방안을 제시하였다.

• Journal of Information Science Theory and Practice
• /
• 제9권2호
• /
• pp.66-82
• /
• 2021

Recommender Systems have gained immense popularity due to their capability of dealing with a massive amount of information in various domains. They are considered information filtering systems that make predictions or recommendations to users based on their interests and preferences. The more recent technology, Linked Open Data (LOD), has been introduced, and a vast amount of Resource Description Framework data have been published in freely accessible datasets. These datasets are connected to form the so-called LOD cloud. The need for semantic data representation has been identified as one of the next challenges in Recommender Systems. In a LOD-enabled recommendation framework where domain awareness plays a key role, the semantic information provided in the LOD can be exploited. However, dealing with a big chunk of the data from the LOD cloud and its integration with any domain datasets remains a challenge due to various issues, such as resource constraints and broken links. This paper presents the challenges of interconnecting and extracting the DBpedia data with the MovieLens 1 Million dataset. This study demonstrates how LOD can be a vital yet rich source of content knowledge that helps recommender systems address the issues of data sparsity and insufficient content analysis. Based on the challenges, we proposed a few alternatives and solutions to some of the challenges.

• 지능정보연구
• /
• 제20권2호
• /
• pp.137-148
• /
• 2014

상품 검색시간의 단축과 쇼핑에 투입되는 노력의 감소 등, 온라인 쇼핑이 주는 장점에 대한 긍정적인 인식이 확산되면서 전자상거래(e-commerce)의 중요성이 부각되는 추세이다. 전자상거래 기업들은 고객확보를 위해 다양한 인터넷 고객관계 관리(eCRM) 활동을 전개하고 있는데, 개인화된 추천 서비스의 제공은 그 중 하나이다. 정확한 추천 시스템의 구축은 전자상거래 기업의 성과를 좌우하는 중요한 요소이기 때문에, 추천 서비스의 정확도를 높이기 위한 다양한 알고리즘들이 연구되어 왔다. 특히 협업필터링(collaborative filtering: CF)은 가장 성공적인 추천기법으로 알려져 있다. 그러나 고객이 상품을 구매한 과거의 전자상거래 기록을 바탕으로 미래의 추천을 하기 때문에 많은 단점들이 존재한다. 신규 고객의 경우 유사한 구매 성향을 가진 고객들을 찾기 어렵고 (Cold-Start problem), 상품 수에 비해 구매기록이 부족할 경우 상관관계를 도출할 데이터가 희박하게 되어(Sparsity) 추천성능이 떨어지게 된다. 취향이 독특한 사용자를 뜻하는 'Gray Sheep'에 의한 추천성능의 저하도 그 중 하나이다. 이러한 문제인식을 토대로, 본 연구에서는 소셜 네트워크 분석기법 (Social Network Analysis: SNA)과 협업필터링을 결합하여 데이터셋의 특이 취향 사용자 (Gray Sheep) 문제를 해소하는 방법을 제시한다. 취향이 독특한 고객들의 구매데이터를 소셜 네트워크 분석지표를 활용하여 전체 데이터에서 분리해낸다. 그리고 분리한 데이터와 나머지 데이터인 두 가지 데이터셋에 대하여 각기 다른 유사도 기법과 트레이닝 셋을 적용한다. 이러한 방법을 사용한 추천성능의 향상을 검증하기 위하여 미국 미네소타 대학 GroupLens 연구팀에 의해 수집된 무비렌즈 데이터(http://movielens.org)를 활용하였다. 검증결과, 일반적인 협업필터링 추천시스템에 비하여 이 기법을 활용한 협업필터링의 추천성능이 향상됨을 확인하였다.

• 만화애니메이션 연구
• /
• 통권48호
• /
• pp.217-247
• /
• 2017

홍보용으로 기획되어 포털 사이트 등에 연재된 웹툰을 브랜드 웹툰이라 한다. 브랜드 웹툰은 웹툰의 호소력을 사용하기 위해 기획된 것으로, 브랜드 스토리텔링의 하나로 각광을 받고 있다. 본 연구는 최근 포털 사이트에 다년간 작품을 연재한 작가들이 다수의 브랜드 웹툰을 연재, 완결한 사실에 주목하였다. 그리고 웹툰과 브랜드 웹툰 간에 표현양식과 서사구조, 그리고 캐릭터가 어떻게 공유되는지 비교, 분석하였다. 이를 통해 웹툰 연재 작가들의 기존의 작가 작품과 브랜드 웹툰 사이에 스핀오프 양상이 나타나고 있다고 보았다. 스핀오프란 이전에 발표되었던 드라마, 영화, 책 등의 등장인물이나 상황에 기초하여 새롭게 다른 이야기를 만들어내는 것을 말한다. 외전 형식이 대표적이지만 그 외에도 정서를 만드는 장르, 컨셉, 세계관, 서사를 전개하는 표현방식과 서사 구조 등 정서를 만드는 이야기의 양식이 동일하거나 동일 캐릭터를 활용하는 경우 스핀오프의 양상이 나타난다고 볼 수 있다. 본 연구는 같은 작가가 만들어내는 브랜드 웹툰과 기존의 웹툰 사이에 이러한 양상이 존재하는지 살펴봄으로써 원전으로서의 웹툰의 스토리텔링과 브랜드 웹툰의 스토리텔링 양쪽을 고찰하려 하였다. 연구 대상으로는 네이버에서 연재한 곽백수 작가의 <가우스 전자>와 <가우스 임파서블>을 비롯한 5개의 브랜드 웹툰, 김양수 작가의 <생활의 참견>과 3개의 브랜드 웹툰, 김진 작가의 <오늘밤은 어둠이 무서워>와 2개의 브랜드 웹툰, 다음에서 연재한 피터몬 작가의 <잉어왕>과 브랜드 웹툰 등을 삼아, 동일한 이야기 양식과 캐릭터를 비교하여 살펴보았다. 또한 같은 시기 연재한 본래의 작품과 브랜드 웹툰 간의 댓글 수 및 별점 개수 등을 비교하여 호응도까지 살펴보았다. 각 웹툰의 표현양식과 서사구조가 브랜드 웹툰에서 어떻게 나타났으며 호응을 얻었는지 분석하고 살펴본 본 연구는 앞으로 브랜드 스토리텔링에 활용될 수 있는 브랜드 웹툰의 스토리텔링에 도움이 될뿐만 아니라, 웹툰 스토리텔링의 특성을 규명하는데 도움이 될 것이다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.219-239
• /
• 2019

개인에게 맞춤형 서비스를 제공하는 것이 중요해지면서 개인화 추천 시스템 관련 연구들이 끊임없이 이루어지고 있다. 추천 시스템 중 협업 필터링은 학계 및 산업계에서 가장 많이 사용되고 있다. 다만 사용자들의 평점 혹은 사용 여부와 같은 정량적인 정보에 국한하여 추천이 이루어져 정확도가 떨어진다는 문제가 제기되고 있다. 이와 같은 문제를 해결하기 위해 현재까지 많은 연구에서 정량적 정보 외에 다른 정보들을 활용하여 추천 시스템의 성능을 개선하려는 시도가 활발하게 이루어지고 있다. 리뷰를 이용한 감성 분석이 대표적이지만, 기존의 연구에서는 감성 분석의 결과를 추천 시스템에 직접적으로 반영하지 못한다는 한계가 있다. 이에 본 연구는 리뷰에 나타난 감성을 수치화하여 평점에 반영하는 것을 목표로 한다. 즉, 사용자가 직접 작성한 리뷰를 감성 수치화하여 정량적인 정보로 변환해 추천 시스템에 직접 반영할 수 있는 새로운 알고리즘을 제안한다. 이를 위해서는 정성적인 정보인 사용자들의 리뷰를 정량화 시켜야 하므로, 본 연구에서는 텍스트 마이닝의 감성 분석 기법을 통해 감성 수치를 산출하였다. 데이터는 영화 리뷰를 대상으로 하여 도메인 맞춤형 감성 사전을 구축하고, 이를 기반으로 리뷰의 감성점수를 산출한다. 본 논문에서 사용자 리뷰의 감성 수치를 반영한 협업 필터링이 평점만을 고려하는 전통적인 방식의 협업 필터링과 비교하여 우수한 정확도를 나타내는 것을 확인하였다. 이후 제안된 모델이 더 개선된 방식이라고 할 근거를 확보하기 위해 paired t-test 검증을 시도했고, 제안된 모델이 더 우수하다는 결론을 도출하였다. 본 연구에서는 평점만으로 사용자의 감성을 판단한 기존의 선행연구들이 가지는 한계를 극복하고자 리뷰를 수치화하여 기존의 평점 시스템보다 사용자의 의견을 더 정교하게 추천 시스템에 반영시켜 정확도를 향상시켰다. 이를 기반으로 추가적으로 다양한 분석을 시행한다면 추천의 정확도가 더 높아질 것으로 기대된다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.139-161
• /
• 2019

전자상거래 시장의 이용이 보편화 되며 고객들에게 좋은 품질의 물건을 어디서, 얼마나 합리적으로 구매할 수 있는지가 중요해졌다. 이러한 구매 심리의 변화는 방대한 정보 속에서 오히려 고객들의 구매 의사결정을 어렵게 만드는 경향이 있다. 이때 추천 시스템은 고객의 구매 행동을 분석하여 정보 검색에 드는 비용을 줄이고 만족도를 높이는 효과가 있다. 하지만 대부분 추천 시스템은 책이나 영화 등 동종 상품 분류 내에서만 추천이 이뤄진다. 왜냐하면 추천 시스템은 특정 상품에 매긴 구매 평점 데이터를 기반으로 해당 상품 분류 내 유사한 상품에 대한 구매 만족도를 추정하기 때문이다. 그밖에 추천 시스템에서 사용하는 구매 평점의 신뢰성에 대한 문제도 제시되고 있으며 오프라인에선 평점 확보 자체가 어렵다. 이에 본 연구에서는 일련의 문제를 개선하기 위해 RFM 다차원 분석 기법을 활용하여 기존에 사용하던 고객의 구매 평점을 객관적으로 대체할 수 있는 새로운 지표의 활용 가능성을 제안하는 바이다. 실제 기업의 구매 이력 데이터에 해당 지표를 적용해서 검증해본 결과 높게는 약 55%에 해당하는 정확도를 기록했다. 이는 총 4,386종에 달하는 이종 상품들 중 한번도 이용해 본 적 없는 상품을 추천한 결과이기 때문에 검증 결과는 상대적으로 높은 정확도와 활용가치를 의미한다. 그리고 본 연구는 오프라인의 다양한 상품데이터에서도 적용할 수 있는 범용적인 추천 시스템의 가능성을 시사한다. 향후 추가적인 데이터를 확보한다면 제안하는 추천 시스템의 정확도 향상도 기대할 수 있다.