• 지능정보연구
• /
• 제13권1호
• /
• pp.91-105
• /
• 2007

본 연구에서는 사용자와 시스템간 양방향 의사소통 방법을 가능하게 하는 확률 유사성척도 기반의 추천시스템을 제안한다. 본 시스템에서 활용한 알고리즘의 주요한 아이디어는 사용자가 제시한 상품 사양에 대한 선호정보를 사용하여 상품의 효용 범위를 구하고, 두 상품의 효용범위 값들 간의 유사도의 값으로서 겹침 확률을 계산한다. 앞에서 구해진 상품 간 유사도의 값을 사용하게 되면, 유사 정도가 가장 높은 상품들을 유사상품으로 등록하게 된다. 본 추천시스템은 개별 사용자 별로 제시된 정보를 사용하므로 차별화 된 추천이 가능해진다. 본 시스템을 활용하게 되면 상품 정보를 공유하는 기업들이 협업 전자상거래 프로세스를 수행할 수 있다. 협업 기업들은 협업을 위한 상품들을 등록하고 해당 상품들과 유사한 상품들을 각 기업의 유사상품 데이터베이스에 저장하여, 향후 유사상품 추천에 활용할 수 있다. 본 연구에서 제시된 유사상품 추천시스템은 웹기반의 응용시스템으로서 인터넷이 가능한 어떠한 환경에서도 수행될 수 있다. 본 연구에서 제시된 절차의 효과를 검증하기 위하여 사용자 실험을 수행하였다. 실험결과를 살펴보면 효용기반의 방법론이 정확도와 만족도 측면에서 상품추천 문제에 대한 하나의 효과적인 해결책으로 사용될 수 있다는 것이 검증되었다.

• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1293-1304
• /
• 2022

개인화 추천시스템은 각 개인의 관심사나 선호도를 분석하여 이에 맞는 정보나 제품을 추천해주는 것을 의미한다. 이러한 개인화 추천을 통해 소비자들은 본인에게 필요한 제품들을 보다 빠르게 접함으로써 정보 탐색에 소모하는 시간을 단축할 수 있으며, 기업들은 소비자들의 필요에 맞는 적절한 제품을 추천해줌으로써 기업 이윤을 증가시킬 수 있다. 본 연구에서는 대표적인 개인화 추천 기법들인 협업 필터링, 행렬 요인화, 딥러닝을 사용하여 소비자에게 제품을 추천해준다. 이를 위해 원데이터 (Raw data)인 쇼핑몰 상품 구매 후기 데이터세트를 추천시스템의 입력으로 전달하기 위한 형태로 전처리하고, 전처리한 데이터세트를 다각도로 분석해본다. 또한, 각각의 모델들이 추천한 결과에 대해 검증 및 성능 비교를 수행하고 최적의 성능을 보이는 모델을 탐색하여 이후 해당 쇼핑몰에서 추천시스템 구축 시 어떤 모델을 사용하는 것이 좋을지를 제시한다.

• 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
• /
• 제9권3호
• /
• pp.177-191
• /
• 2003

상품추천시스템은 고객들에게 추천 상품 리스트를 만들어 고객들이 구매 가능성이 있는 상품을 쉽게 찾도록 도와주는 개인화 된 정보필터링 기술이다 협업 필터링(collaborative filtering)이 가장 성공적인 상품추천 기법으로 알려져 있으며 많이 이용되고 있다. 그러나, 인터넷 쇼핑몰에서 관리하는 상품과 고객의 수가 급속히 증가하면서 협업필터링에 기반 한 상품추천 시스템은 입력데이터의 희박성(Sparsity) 문제와 시스템 확장성(Scalability) 문제가 노출되고 있다. 따라서 본 연구에서는 협업필터링 기반 상품추천시스템의 상품추천 효과 및 성능을 개선하기 위해 웹 마이닝과 군집분석 기법에 기반을 둔 개인별 상품추천 방법론을 개발한다. 또한 실제 인터넷 쇼핑몰에서 개인별로 상품을 추천할 때 개발된 상품추천 방법론을 적용하여 다른 기존 상품추천 방법론과 실험적으로 비교함으로써 개발 방법론의 효과 및 성능을 검증한다.

• 디지털융복합연구
• /
• 제15권12호
• /
• pp.293-301
• /
• 2017

대부분의 신상품들은 시장에서 급격히 사라질 뿐만 아니라 기존 상품들의 매출감소를 불러온다. 이처럼 수명주기가 짧은 상품으로 인해 소매상들은 과다한 재고를 보유하게 될 뿐만 아니라 소비자들은 자신들의 선호를 맞는 제품들을 발견하는데 어려움을 겪는다. 이런 문제를 해결에 하는데 있어서 추천 시스템은 좋은 해결방법이 될 수 있다. 그러나 대부분의 추천 시스템들은 소비자의 고정된 선호를 이용하기 때문에 변화하는 소비자의 선호를 반영하지 못하는 문제가 있다. 이러한 문제를 해결하기 위하여 본 연구에서는 시간에 따라 변화하는 소비자의 선호를 반영한 추천 방법론을 제안하였다. 제안한 방법론은 소비자의 동적 선호 프로파일 작성, 네이버 형성, 추천 리스트 작성의 3 단계로 구성되어 있으며, 모바일 이미지 거래 데이터를 이용하여 제안된 방법론의 유용성을 검증하였다. 시험결과 제시된 방법론의 추천 정확도가 전통적인 협업필터링의 정확도 보다 높았다. 이러한 결과를 통해, 본 연구에서 제한한 방법론이 짧은 수명주기를 가진 제품을 추천하는데 효과적이라는 결론을 내릴 수 있다. 따라서 향후 제안된 방법론을 현업에 적용하여 실제적 유용성을 검증할 필요가 있다.

• 지능정보연구
• /
• 제17권3호
• /
• pp.79-98
• /
• 2011

우리는 개인 전자상거래 포탈에서 개인화를 위한 시맨틱 추천 방법을 제안한다. 시맨틱 추천은 제품의 특성(속성)을 이용하여 의미적 유사성 평가를 통해 이루어진다. 정확한 추천을 제공하기 위하여 제품의 시맨틱 유사성은 제품의 평점정보를 포함한다. 또한, 추천기술은 제품의 평점을 평가하여 고객의 다양한 내포된 의향을 분석한다. 고객의 의향은 "구입한 제품", "쇼핑카트에 추가한 제품", "정보를 본 제품"과 같이 세 가지 유형으로 분류 하고 있다. 우리는 제품의 추천을 위한 제품의 평점을 추정하기 위하여 고객의 내재적 의향을 추적할 수 있다. 또한 우리는 정확한 추천을 제공하기 위해 매우 중요한 유효한 세션을 식별하는 유효성 검사 프로세스 세션을 구현하였다. 우리의 추천 기술은 유사한 환경의 고객의 연령별 그룹에서 높은 수준을 정확도를 보여 준다. 본 논문의 실험섹션에서 우리의 제안 추천방식은 기존 고객뿐만 아니라 이전의 구매기록이 없는 새로운 사용자에게도 기존에 잘 알려진 협업 필터링 방법보다 좋은 성능을 보여 주었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2001년도 The Pacific Aisan Confrence On Intelligent Systems 2001
• /
• pp.192-197
• /
• 2001

A recommendation system tracks past actions of a group of users to make a recommendation to individual members of the group. The computer-mediated marketing and commerce have grown rapidly nowadays so the concerns about various recommendation procedures are increasing. We introduce a recommendation methodology by which e-commerce sites suggest new products of services to their customers. The suggested methodology is based on web log analysis, product taxonomy, and association rule mining. A product recommendation system is developed based on our suggested methodology and applied to a Korean internet shopping mall. The validity of our recommendation system is discussed with the analysis of a real internet shopping mall case.

• 한국콘텐츠학회논문지
• /
• 제7권12호
• /
• pp.292-302
• /
• 2007

최근 고객 선호도에 맞는 정보 또는 상품을 예측하기 위한 연구들이 활발히 진행되고 있다. 고객의 만족도를 향상시키기 위해서 먼저 불필요한 정보들을 제거시켜야 하며 이러한 정보 필터링은 내용기반 필터링, 협업 필터링 등 여러 가지 기법을 통해 연구되고 있다. 본 논문에서는 기존 필터링 기법들의 문제점으로 나타나고 있는 희소성과 확장성을 해결하기 위해서 역전파 신경망을 이용하여 연구를 수행하였다. 신경망의 훈련 데이터는 설문조사를 통해 얻어진 데이터를 사용하였다. 최종적으로 설문조사를 통해 데이터를 수집하고 신경망 기반 추천시스템의 프로토 타입을 제안하였고 기존 정보필터링 기법의 문제점을 개선하였다.

• 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.

• Management Science and Financial Engineering
• /
• 제11권3호
• /
• pp.19-45
• /
• 2005

Collaborative filtering is one of the most common methods that e-commerce sites and Internet information services use to personalize recommendations. Collaborative filtering has the advantage of being able to use even sparse evaluation data to predict preference scores for new products. To date, however, no in-depth investigation has been conducted on how the data sparsity effect in customers' evaluation data affects collaborative filtering-based recommendation performance. In this study, we analyzed the sparsity effect and used a hybrid method based on customers' evaluations and purchases collected from an online bookstore. Results indicated that recommendation performance decreased monotonically as sparsity increased, and that performance was more sensitive to sparsity in evaluation data rather than in purchase data. Results also indicated that the hybrid use of two different types of data (customers' evaluations and purchases) helped to improve the recommendation performance when evaluation data were highly sparse.