• 지능정보연구
• /
• 제12권4호
• /
• pp.61-72
• /
• 2006

유비쿼터스 서비스가 여러 분야에서 실용화 단계에 와 있다. 특히 u-쇼핑 분야에서는 사용자의 상황에 맞게 상품 혹은 상점을 유연하게 추천해 주는 개인화된 추천이 필요하다. 그러나 현재의 협력적 질의나 상황인식적 검색은 각각 동적 상황과 모호한 검색을 처리하지 못한다는 한계가 있다. 따라서 본 연구의 목적은 이 두 가지 중요한 문제를 해결하기 위하여 개인화된 상황인식적이고 협동적인 검색방법을 상황적MKAH를 유도방법으로 제안하는 것이다. 본 연구의 가능성을 보이기 위해 CACO라고 하는 프로토타입 시스템을 구현하였으며 국내의 한 대규모 쇼핑몰 도메인에 맞게 적용하였다.

• 한국산업정보학회논문지
• /
• 제18권4호
• /
• pp.73-79
• /
• 2013

최근 스마트 TV는 빠른 속도로 확산되고 있으나 스마트 폰이나 스마트 패드에 비하여 입력장치의 사용이 매우 불편하며 많은 양의 콘텐츠 중 자신에게 적합한 콘텐츠를 빠르게 찾기 어렵다는 한계로 인하여 스마트 기기 중 그 기능의 사용빈도가 낮다는 문제점이 있다. 본 연구에서는 이러한 문제점을 개선하고 스마트 TV 상에서 사용자가 원하는 콘텐츠를 보다 쉽게 찾을 수 있는 개인화된 지능형 추천 시스템을 제안하고 구축하고자 한다. 사용자 선호정보를 이용한 프로파일 분석, TV 시청에 대한 패턴 분석, 애플리케이션에 대한 사용통계 분석 등 사용자에 대한 여러 가지 정보를 다차원적으로 고려하여 사용자에게 가장 적합한 콘텐츠를 추천할 수 있는 개인화된 지능형 시스템을 설계 및 구축하였다.

• 정보처리학회논문지D
• /
• 제9D권6호
• /
• pp.1009-1016
• /
• 2002

본 논문에서는 인터넷 컨텐츠 사이트에서 묵시적인 평가정보를 이용한 새로운 사례기반 추천시스템을 설계하고 구현하였다. 본 시스템은 크게 사용자 프로파일 생성 모듈, 유사도 계산 및 추천 모듈, 개인화된 메일링 모듈로 구성된다. 사용자 프로파일 생성 모듈에서는 사용자가 컨텐츠를 이용하면서 남긴 로그 기록을 이용하여 컨텐츠에 대한 개인별 선호도를 추출할 수 있는 속성내, 속성간 가중치를 제시하였다. 유사도 계산 및 추천 모듈에서는 사용자 프로파일과 새로운 컨텐츠간의 유사도를 측정하기 위한 유사도 계산식을 제시하였다. 개인화된 메일링 모듈에서는 개인별 선호도에 의해 구성된 추천 컨텐츠를 플렛폼-독립적인 XML 문서 형식으로 변환하여 발송한다. 제안된 모델에 대한 추천 효율을 검증하기 위해 평균절대오차(MAE)와 반응자작용특성(ROC) 값을 이용하여 제안한 추천 모델과 협동적 필터링 기법과 비교 실험하였다. 실험결과, 본 논문에서 제안한 모델의 추천 효율이 기존의 협동적 필터링 기법보다 우수함을 보였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권9호
• /
• pp.669-675
• /
• 2002

최근 전자상거래에서 대부분의 개인화 된 추천 시스템들은 고객의 취향에 맞는 적절한 상품을 추천하기 위하여 협동적 필터링 기술을 적용하고 있다. 사용자 기반 협동적 필터링은 특정 고객의 선호도와 가장 유사한 선호도를 가지는 고객 그룹의 선호도를 바탕으로 그 고객의 특정 상품에 대한 선호도를 예측하는 기법이다. 그러나 이 방법은 두 고객이 모두 평가를 한 상품이 있어야 하고 오직 두 고객 사이에서만 상관 관계를 구할 수 있으므로 예측의 정확성이 떨어질 가능성이 있다. 아이템 기반 협동적 필터링은 고객이 선호도를 입력한 기존의 상품들과 예측하고자 하는 상품의 상관 관계를 계산하여 선호도를 예측한다. 이 방법에서는 상품들간의 유사도를 계산하기 위하여 두 상품에 대해 선호도를 입력한 고객들의 정보를 사용한다. 그러나 고객들간의 유사도가 전혀 고려되지 않기 때문에 만약 특정 고객과 전혀 선호도가 비슷하지 않은 사용자들의 평가를 기반으로 한다면, 상품들간의 유사도가 정확 하지 않고 아울러 추천 시스템의 예측 능력과 추천 능력이 저하되는 문제점이 있다. 본 논문에서는 기존의 아이템 기반 협동적 필터링 기술의 문제점을 보완하고 추천 시스템의 예측 능력을 향상시키기 위하여 유사한 선호도를 가지는 고객들의 평가에 근거하여 상품들간의 유사도를 구하여 특정 상품에 대한 고객의 선호도를 예측하여 추천해 주는 기법을 제안한다. 본 논문에서 제안한 방법의 성능을 기존의 여러 다른 협동적 필터링 방법들과의 비교실험을 통해 평가하였다. 실험 결과 본 논문에서 제안한 방법이 기존의 다른 방법들보다 우수함을 확인할 수 있었다.

• 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.

• 경영정보학연구
• /
• 제25권1호
• /
• pp.111-128
• /
• 2023

인공지능(AI) 기술이 발전함에 따라 빅데이터 기반의 상품 선호도 추정 개인화 추천시스템에 관심이 증가하고 있는 추세이다. 하지만 개인화 추천이 적합하지 않은 경우 고객의 구매 의사를 감소시키고 심지어 금융상품의 특성상 막대한 재무적 손실로 확대될 수 있는 위험을 가지고 있다. 따라서 고객의 특성과 상품 선호도를 포괄적으로 반영한 추천시스템을 개발하는 것이 비즈니스 성과 창출과 컴플라이언스 이슈 대응에 매우 중요하다. 특히 금융상품의 경우 개인의 투자성향과 리스크 회피도에 따라 고객의 상품 선호도가 구분되므로 축적된 고객 행동 데이터를 활용하여 맞춤형 추천서비스를 제안하는 것이 필요하다. 이러한 고객의 행동 특성과 거래 내역 데이터를 사용하는 것뿐만 아니라, 고객의 인구통계정보, 자산정보, 종목 보유 정보를 포함하여 추천 시스템의 콜드 스타트 문제를 해결하고자 한다. 따라서, 본 연구는 고객의 거래 로그 기록을 바탕으로 고객의 투자성향과 같은 특성 정보와 거래 내역 및 금융상품 정보를 통해 고객별 금융상품 잠재 선호도를 도출하여 딥러닝 기반의 협업 필터링을 제안한 모형이 가장 성능 우수한 것을 확인하였다. 본 연구는 고객의 금융 투자 메커니즘을 기반으로 금융상품 거래 데이터를 통해 미거래 금융상품에 대한 예상 선호를 도출하는 추천 모델을 구축하여, 선호가 높을 것으로 예상되는 상위 상품군을 추천하는 서비스를 개발하는 것에 의의가 있다.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2008년도 춘계학술대회
• /
• pp.153-170
• /
• 2008

Customers' needs change every moment. Profitability of stores can't be increased anymore with an existing standardized chain store management. Accordingly, a personalized store management tool needs through prediction of customers' preference. In this study, we propose a recommending procedure using dynamic customers' preference by analyzing the transaction database. We utilize self-organizing map algorithm and association rule mining which are applied to cluster the chain stores and explore purchase sequence of customers. We demonstrate that the proposed methodology makes an effect on recommendation of products in the market which is characterized by a fast fashion and a short product life cycle.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제51차 동계학술대회논문집 23권1호
• /
• pp.47-50
• /
• 2015

TV는 타 도메인과 달리, 사전에 정해진 시간에 콘텐츠가 방영된다. 그러므로 TV 프로그램 추천 시스템은 시청자의 현재 시각(time-context)을 고려해야 한다. 시간 기반의 TV 프로그램 추천 방법이 다수 연구되었지만, 대부분의 기존 연구는 특정 시간대(timeslot)에서의 시청자의 선호도를 계산하는 데에만 집중되어 있고, 시청 내역 전체기간에서의 선호도를 고려하지 않은 문제점이 있다. 이러한 문제를 해결하기 위해, 시청자의 지역 선호도와 전역 선호도를 모두 고려한 시간 기반의 TV 프로그램 추천기법을 제안한다. 이를 위해 제안 방법에서는 시간대의 길이에 따라 여러 가지 선호도 모델을 사용한다. 여러 개의 선호도 모델로부터 산출된 선호도를 병합하여 가장 선호도가 높은 TV 프로그램을 추천한다. 실 데이터를 이용한 실험을 통해 기준방식과 비교함으로써, 제안 방법의 효용성을 검증하였다.

• Journal of information and communication convergence engineering
• /
• 제18권1호
• /
• pp.55-60
• /
• 2020

As personalized customer services create a society that emphasizes the personality of an individual, the number of product reviews and quantity of user data generated by users on the internet in mobile shopping apps and sites are increasing. Such product review data are classified as unstructured data. Unstructured data have the potential to be transformed into information that companies and users can employ, using appropriate processing and analyses. However, existing systems do not reflect the detailed information they collect, such as user characteristics, purchase preference, or purchase priority while analyzing review data. Thus, it is challenging to provide customized recommendations for various users. Therefore, in this study, we have developed a product recommendation system that takes into account the user's priority, which they select, when searching for and purchasing a product. The recommendation system then displays the results to the user by processing and analyzing their preferences. Since the user's preference is considered, the user can obtain results that are more relevant.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.95-99
• /
• 2008

유비쿼터스 환경에서 사용자는 개인용 디바이스를 이용하여 보이지 않는 수많은 자원들과 서로 연결하여 원하는 서비스를 제공 받기를 원한다. 이러한 요구사항을 만족시키기 위하여 유비쿼터스 지능 공간에 존재하는 자원들 사이의 공유가 필요하며 이를 효율적으로 수행하기 위한 연구는 새로운 연구 주제이다. 그러나 동일한 환경이라 할 지라도 각 사용자들의 상황은 서로 다르며 개인적인 성향 역시 다양하다. 그러므로 동일한 공간에서 동일한 서비스를 원하는 사용자들이라 할 지라도 현재의 상황과 사용자 개개인의 개성에 따라 필요로 하는 자원이 다른 것이 현실이다. 그러므로 본 논문에서는 사용자의 상황을 인지하여 맞춤형 자원을 추천하는 시스템을 개발한다. 추천 시스템은 사용자의 상황을 인지하기 위한 방법으로 온톨로지 기반 추론을 수행하고, 개인화 추천 서비스를 제공하기 위하여 규칙들 이용한 규칙 기반 추론 방법을 수행한다.