• Journal of Information Technology Applications and Management
• /
• 제16권1호
• /
• pp.97-113
• /
• 2009

Collaborative filtering(CF) has been a very successful approach for building recommender system, but its widespread use has exposed to some well-known problems including sparsity and scalability problems. In order to mitigate these problems, we propose two novel models for improving the typical CF algorithm, whose names are ISCF(Item-Selected CF) and USCF(User-Selected CF). The modified models of the conventional CF method that condense the original dataset by reducing a dimension of items or users in the user-item matrix may improve the prediction accuracy as well as the efficiency of the conventional CF algorithm. As a tool to optimize the reduction of a user-item matrix, our study proposes genetic algorithms. We believe that our approach may relieve the sparsity and scalability problems. To validate the applicability of ISCF and USCF, we applied them to the MovieLens dataset. Experimental results showed that both the efficiency and the accuracy were enhanced in our proposed models.

• 한국콘텐츠학회논문지
• /
• 제11권5호
• /
• pp.104-116
• /
• 2011

추천시스템은 정보기술의 발달에 따른 정보의 홍수 속에서 사용자의 요구 사항과 선호를 바탕으로 사용자와 공급자 양측의 이익을 위해 사용자가 합당한 제품을 선택하기 위한 개인화된 의사결정 지원수단이라고 할 수 있다. 지금까지의 추천시스템에 관한 연구가 주로 공급자의 입장에서 추천시스템의 개선에 관한 연구들이거나 추천시스템 평가에 관한 연구가 대부분이어서 본 논문에서는 수요자의 입장에서 개인감정과 상황이 음악추천시스템의 수용성에 미치는 영향을 분석하기 위해 수정된 TAM을 기반으로 하여 관련 선행연구를 통해 검증된 변수를 기반으로 도출된 잠재변수와 측정치를 바탕으로 연구모형을 설정하고 이를 측정하기 위해 설문조사를 실시하여 다층구조 (High-Order Construct) 구조방정식모형을 통해 이를 분석하였다. 연구결과 개인감정 중에서 내적흥미와 즐거움은 유의한 영향을 미치는 것으로 나타났지만 자기효능감은 유의한 영향을 미치지 못하는 것으로 나타났고 개인상황에 있어서는 사회적영향과 시간적합성은 유의한영향을 미치는 것으로 나타났지만 장소적합성은 유의한 영향을 미치지 못하는 것으로 나타났다.

• 한국정보기술응용학회:학술대회논문집
• /
• 한국정보기술응용학회 2007년도 추계 국제학술대회
• /
• pp.143-143
• /
• 2007

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권2호
• /
• pp.538-561
• /
• 2020

Recommender Systems (RecSys) have a major role in e-commerce for recommending products, which they may like for every user and thus improve their business aspects. Although many types of RecSyss are there in the research field, the state of the art RecSys has focused on finding the user similarity based on sequence (e.g. purchase history, movie-watching history) analyzing and prediction techniques like Recurrent Neural Network in Deep learning. That is RecSys has considered as a sequence prediction problem. However, evaluation of similarities among the customers is challenging while considering temporal aspects, context and multi-component ratings of the item-records in the customer sequences. For addressing this issue, we are proposing a Deep Learning based model which learns customer similarity directly from the sequence to sequence similarity as well as item to item similarity by considering all features of the item, contexts, and rating components using Dynamic Temporal Warping(DTW) distance measure for dynamic temporal matching and 2D-GRU (Two Dimensional-Gated Recurrent Unit) architecture. This will overcome the limitation of non-linearity in the time dimension while measuring the similarity, and the find patterns more accurately and speedily from temporal and spatial contexts. Experiment on the real world movie data set LDOS-CoMoDa demonstrates the efficacy and promising utility of the proposed personalized RecSys architecture.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권2호
• /
• pp.153-163
• /
• 2004

대부분의 추천 시스템에서는 개인의 선호 정보를 바탕으로 한 내용-기반 추천 기법과 다른 사람들로부터의 추천을 기반으로 한 사회적 추천 기법을 사용한다. 이들 두 기법은 각각 장단점을 갖고 있으며, 서로 경쟁 관계에 있다기보다 상호 보완적인 성격을 갖고 있다. 이에 두 기법의 적절한 조합이 전체 추천 시스템의 질을 결정하는 관건이 된다. 본 논문에서는 사용자 개인마다 각 기법에 대한 만족도와 의존도가 다름을 밝히고, 이러한 각 개인의 경향에 따라 여러 추천 기법의 결과를 개인별로 조합해 주는 기법을 제안하였다. 각 개인의 경향을 나타내는 척도로 충성도, 다양도, 전문가도 둥의 척도를 정의하여 사용하였으며, 이 원리에 의해 동작하는 조합 엔진의 결과는 최고 40%, 평균 23%의 coverage 개선 효과를 나타내었다.

• 경영정보학연구
• /
• 제18권3호
• /
• pp.155-183
• /
• 2016

방대한 콘텐츠가 생산되고 소비되면서 빅데이터를 활용한 개인 추천 서비스가 최근 주목 받고 있다. 개인 추천 서비스를 위하여 개인 정보나 콘텐츠 평가 정보를 수집하는 것은 서비스 제공자 입장에서 중요해지고 있다. 기존 연구들은 적은 평점 정보로 더 나은 추천을 제공할 수 있는 알고리즘을 제안하거나, 평점의 양을 늘리기 위한 서비스 디자인을 제시하였다. 그러나 추천서비스 사용자가 어떤 동기로 평점을 입력하고, 서비스를 지속적으로 사용하는지에 대한 연구는 거의 없었다. 본 논문에서는 추천 서비스를 사용하고 있는 사용자들을 심층 인터뷰하여 평점 입력의 동기와 평점의 의미에 대하여 탐구하였다. 그 결과, 서비스를 경험 하면서 평점의 의미와 활용 정도가 달라짐을 알 수 있었다. 초기 평점을 입력할 때에는 과거 경험에 대한 데이터베이스를 구축하는 의미로 활용하였고, 초기 평점 단계를 지나면 현재의 느낌과 생각을 반영하는 도구로 활용하였다. 이 과정에서 자신의 평점 체계를 정교하게 다듬으며 자신만의 의미를 부여하는 모습을 보였다. 마지막 단계에서는 자신의 평점 체계뿐만 아니라 다른 사람의 평점 체계나 평점의 의미를 읽어내고 적극적으로 활용하는 모습을 보인다. 서비스에서 제공하는 알고리즘의 한계를 파악하고 있기 때문에 서비스의 추천을 불신하기도 하였다. 연구 결과를 바탕으로 추천 서비스에 대한 실무적 시사점을 도출하였다.

• 정보처리학회논문지D
• /
• 제18D권6호
• /
• pp.423-432
• /
• 2011

이 논문에서는 연관 규칙 마이닝 알고리즘의 정확도를 향상시키기 위하여 기존 Onto-Apriori 알고리즘을 확장한 XOnto-Apriori 알고리즘을 제안한다. 기존 알고리즘은 트랜잭션 항목의 식별자만을 비교하여 지지도를 계산하기 때문에 유사한 속성을 가진 항목들간의 관계를 분석하지 못하는 문제점을 지닌다. 이러한 문제점을 해결하기 위해 제안 알고리즘은 온톨로지 추론 기반의 속성 비교를 통해 같은 식별자를 지니지 않는 항목들간의 관계성도 지지도 계산에 반영할 수 있도록 한다. 제안 알고리즘의 규칙 생성 과정을 명확히 서술하기 위해 스마트폰 어플리케이션 추천 시스템을 설계하였으며 이 시스템은 기존 알고리즘 기반의 시스템에 비해 보다 나은 속도와 정확도를 보였다.

• 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.

• 경영과학
• /
• 제23권3호
• /
• pp.183-194
• /
• 2006

In this paper, we propose a customer profiling technique based on customer behavior for personalized products recommendation in Internet shopping mall. The proposed technique defines customer profile model based on customer behavior Information such as click data, buying data, market basket data, and interest categories. We also implement CBCPT(customer behavior based customer profiling technique) and perform extensive experiments. The experimental results show that CBCPT has higher MAE, precision, recall, and F1 than the existing other customer profiling technique.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2002년도 춘계학술대회 논문집
• /
• pp.342-351
• /
• 2002

A personalized product recommendation is an enabling mechanism to overcome information overload occurred when shopping in an Internet marketplace. Collaborative filtering has been known to be one of the most successful recommendation methods, but its application to e-commerce has exposed well-known limitations such as sparsity and scalability, which would lead to poor recommendations. This paper suggests a personalized recommendation methodology by which we are able to get further effectiveness and quality of recommendations when applied to an Internet shopping mall. The suggested methodology is based on a variety of data mining techniques such as web usage mining, decision tree induction, association rule mining and the product taxonomy. For the evaluation of the methodology, we implement a recommender system using intelligent agent and data warehousing technologies.