• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2005년도 춘계공동학술대회 발표논문
• /
• pp.324-331
• /
• 2005

In this paper, we propose a new customer profile model based on customer behavior in Internet shopping mall. The proposed technique defines customer profile model based on customer behavior information such as click data, buy data, and interest categories. We also implement CBCPM(Customer Behavior-based Customer Profile Model) and perform extensive experiments. The experimental results show that CBCPM has higher precision, recall, and F1 than the existing customer profile model.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 2006년도 춘계공동학술대회 논문집
• /
• pp.1812-1818
• /
• 2006

일대일 마케팅을 실현하고 정보 과다 문제의 해결책으로 등장한 추천시스템의 다양한 기법을 적용하기 위해서는 고객의 관심 분야에 대한 정보인 고객 프로파일의 정의가 선행되어야 할 것으로 판단된다. 본 연구에서는 고객에게 개인화된 정보를 추천하기 위해 고객 개인의 행동과 그 고객이 속한 그룹의 행동 정보에 기반한 고객 프로파일 모델인 IGBCPM(Individual Group Behavior Customer Profile Model)을 제시한다.

• 컴퓨터교육학회논문지
• /
• 제6권2호
• /
• pp.147-156
• /
• 2003

협업여과는 흥미 있어하는 제품이나 개인화된 자료, 항목을 제공하기 의해 전체 집단의 의견을 반영하는 전자상거래에서 일반적으로 이용되는 기술이다. 협업여과는 정확하고 신뢰할 수 있는 도구로 입증되어 여러 분야의 전자상거래 영역에서 활용되고 있으나 아직까지 교육분야에는 한정적으로 적용되고 있다. 본 논문에서는 교육용 컨텐츠 추천에 사용자의 평가 점수를 이용하는 협업여과 방식의 추천시스템을 설계하였으며, 사용자 정보를 이용하여 추천의 정확도를 향상시키기 위한 유사도 보정기법을 도입하였다. 평균절대오차(MAE)와 반응자작용특성(ROC)값을 이용하여 제안한 시스템이 기존의 협업여과방식보다 추천 효율이 우수함을 검증하였다.

• Management Science and Financial Engineering
• /
• 제11권3호
• /
• pp.137-153
• /
• 2005

Collaborative filtering-based recommendation systems make personalized recommendations based on users' ratings on products. Recommender systems must collect sufficient rating information from users to provide relevant recommendations because less user rating information results in poorer performance of recommender systems. To learn about new users, recommendation systems must first present users with an initial item list. In this study, we designed and analyzed seven selection strategies including the popularity, favorite, clustering, genre, and entropy methods. We investigated how these strategies performed using MovieLens, a public dataset. While the favorite and popularity methods tended to produce the highest average score and greatest average number of ratings, respectively, a hybrid of both favorite and popularity methods or a hybrid of demographic, favorite, and popularity methods also performed within acceptable ranges for both rating scores and numbers of ratings.

• 한국산업정보학회논문지
• /
• 제17권7호
• /
• pp.111-118
• /
• 2012

최근 기업은 시장 점유율을 높이기 위하여 고객의 다양한 요구를 반영한 제품을 지속적으로 출시하고 있다. 다양한 기능과 가격, 디자인의 제품이 시장에 출시됨에 따라 사용자는 여러 요인들을 고려하여 선택해야 하는 어려움이 있다. 특히 변화의 속도가 빠른 IT 기기의 경우에는 여러 가지 전문적인 지식까지 필요한 경우가 많아 더욱 더 선택을 어렵게 만든다. 디지털 카메라도 저변이 확대됨에 따라 다양한 종류의 카메라가 출시되고 있으며 카메라를 선택하는 소비자는 카메라의 기능과 가격, 디자인 등을 비교하기 위해 많은 시간과 노력을 투자해야 한다. 본 연구는 IT 기기에 익숙하지 않은 사용자들도 가장 적합한 기기를 추천받을 수 있도록 하기 위하여 다기준 의사결정(MCDM) 기법의 하나인 계층분석과정(AHP) 기법 및 내용기반 필터링과 협업 필터링 기법을 접목한 하이브리드 필터링 기법을 이용하여 개인화된 추천 시스템을 설계하고 구현하였다.

• 한국IT서비스학회지
• /
• 제21권2호
• /
• pp.109-126
• /
• 2022

The number and variety of products and services offered by companies have increased dramatically, providing customers with more choices to meet their needs. As a solution to this information overload problem, the provision of tailored services to individuals has become increasingly important, and the personalized recommender systems have been widely studied and used in both academia and industry. Existing recommender systems face important problems in practical applications. The most important problem is that it cannot clearly explain why it recommends these products. In recent years, some researchers have found that the explanation of recommender systems may be very useful. As a result, users are generally increasing conversion rates, satisfaction, and trust in the recommender system if it is explained why those particular items are recommended. Therefore, this study presents a methodology of providing an explanatory function of a recommender system using a review text left by a user. The basic idea is not to use all of the user's reviews, but to provide them in a summarized form using only reviews left by similar users or neighbors involved in recommending the item as an explanation when providing the recommended item to the user. To achieve this research goal, this study aims to provide a product recommendation list using user-based collaborative filtering techniques, combine reviews left by neighboring users with each product to build a model that combines text summary methods among deep learning-based natural language processing methods. Using the IMDb movie database, text reviews of all target user neighbors' movies are collected and summarized to present descriptions of recommended movies. There are several text summary methods, but this study aims to evaluate whether the review summary is well performed by training the Sequence-to-sequence+attention model, which is a representative generation summary method, and the BertSum model, which is an extraction summary model.

• 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.

• 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.

• 지능정보연구
• /
• 제17권3호
• /
• pp.115-130
• /
• 2011

온라인 스토어들은 다양한 방식으로 사용자들에게 신뢰감을 가져다 줄 수 있는 요인들을 제공하려고 한다. 대표적인 방식이 고객이 좋아할 만한 제품의 추천과 고객제품리뷰의 제공이다. 각각의 제공을 통해 신뢰의 선행요인이 되는 사회적 실재감을 향상시킬 수 있다는 연구들이 있어왔다. 따라서 본 연구에서는 추천 상황에 따른 사회적 실재감에 미치는 영향과 추천 상황과 제품군의 유형, 고객제품리뷰의 제공여부에 따라 사회적 실재감의 증가에 미치는 영향을 실험을 통해 분석하였다. 개인화 추천을 통해 사회적 실재감을 증대시킬 수 있었으며, 쾌락재에서는 고객제품리뷰의 제공을 통해 어떤 추천 상황에서든 사회적 실재감이 증대되나 유의한 차이를 보이지는 않았다.

• 지능정보연구
• /
• 제8권2호
• /
• pp.139-157
• /
• 2002

본 연구에서는 기존 협업 필터링의 문제점을 해결할 수 있는 효율적인 상품추천 방법론을 제시하고자 한다. 연구에서 제시하는 상품추천 방법론은 기존 협업 필터링 알고리즘의 데이터 희박성 문제 및 동의어 문제를 극복하기 위하여 판매 데이터로 구성된 제품 계층도(Product Taxonomy)를 이용하며, 이 계층도를 기반으로 한 연관 규칙(association rule)과 의사결정 나무를 사용한다. 본 연구에서는 제시한 방법론을 단계별로 설명하였을 뿐만 아니라, 실제 H 백화점 데이터를 이용하여 적용하였다. 다양한 경우에 대하여 실험을 한 결과, 기존의 협업 필터링 알고리즘이 갖고있는 문제점을 상당히 해결하였음을 제시하였다. 이 연구에서 제시한 상품 추천 방법론은 현재 기업이 직면한 경쟁환경 하에서 고객이 과연 누구이며, 고객이 진정 무엇을 원하고 있는지를 파악하는데 도움을 줄 것이며, 고객관계관리 (CRM)를 효율적으로 구현하는 방법론으로 사용될 것으로 기대된다.