• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회 2003년도 추계학술대회 및 정기총회
• /
• pp.191-194
• /
• 2003

As internet commerce grows, many company has begun to use a CF (Collaborative Filtering) as a Recommender System. To achieve an accuracy of CF, we need to obtain sufficient account of voting scores from customers. Moreover, those scores may not be consistent. To overcome this problem, we propose a new recommendation scheme using binary user-item matrix, which represents whether a user purchases a product instead of using the voting scores. Through the experiment regarding this new scheme, a better accuracy is demonstrated.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.707-712
• /
• 2017

데이터의 양이 기하급수적으로 증가함에 따라 추천 시스템(recommender system)은 영화, 도서, 음악 등 다양한 산업에서 관심을 받고 있고 연구 대상이 되고 있다. 추천시스템은 사용자들의 과거 선호도 및 클릭스트림(click stream)을 바탕으로 사용자에게 적절한 아이템을 제안하는 것을 목적으로 한다. 대표적인 예로 넷플릭스의 영화 추천 시스템, 아마존의 도서 추천 시스템 등이 있다. 기존의 선행 연구는 협업적 여과, 내용 기반 추천, 혼합 방식의 3가지 방식으로 크게 분류할 수 있다. 하지만 기존의 추천 시스템은 희소성(sparsity), 콜드스타트(cold start), 확장성(scalability) 문제 등의 단점들이 있다. 이러한 단점들을 개선하고 보다 정확도가 높은 추천 시스템을 개발하기 위해 실제 온라인 기업의 상품구매 데이터를 이용해 factorization machine으로 추천시스템을 설계했다.

• 경영정보학연구
• /
• 제17권3호
• /
• pp.95-111
• /
• 2015

추천시스템은 과거 구매행동을 통해 사용자가 향후 구매할 것이라 예상되는 제품을 자동으로 검색하여 제공하는 시스템이다. 이러한 추천시스템은 여러 전자상거래 업체에서 도입하고 있으며, 사용자의 편의성 및 수익에 긍정적인 영향을 미치고 있다. 하지만 사용자가 어떠한 기준을 가지고 제품을 평가하는지, 어떠한 요소가 구매 의사 결정에 영향을 미치는지는 반영할 수 없다는 한계가 있다. 이에 본 연구에서는 사용자가 직접 작성한 구매후기를 통해, 사용자 별 제품 평가요소를 활용할 수 있는 추천 모형 알고리즘을 개발하였다. 토픽 모델링을 활용하여 사용자들의 구매후기를 분석하였으며, 이러한 후기의 특성이 반영된 커널과 평가 점수가 반영된 커널 등을 함께 활용하여 다중 커널 학습 기반의 추천 모형을 개발하였다. 또한, 이러한 모형을 BestBuy 사례에 적용하여 검증하였다. 검증 결과, 기존 협업적 필터링 알고리즘보다 다중 커널 학습에 의한 추천 모형의 정확도가 우수하였고, 구매후기의 유사성을 반영하였기에, 사용자가 어떠한 요소를 평가하는지를 확인할 수 있었다. 또한, 기존 협업적 필터링 알고리즘보다 다양한 제품에 대한 추천이 가능함을 확인할 수 있었다. 본 연구는 토픽 모델링과 커널 학습 기반을 사용한 융합적인 추천모형으로서, 온라인 추천시스템의 새로운 방법을 제안한다.

• 한국정보통신학회논문지
• /
• 제24권8호
• /
• pp.970-977
• /
• 2020

협업 필터링 추천 기법은 전자상거래 기업들이 추천시스템을 도입한 이래로 가장 널리 사용되고 있다. 그러나 온라인에서 상품이나 콘텐츠의 구매가 일상화되면서 단순히 구매 고객의 평점만을 사용하는 추천 방식으로는 추천의 정확성이 낮아지는 문제점이 발생하였다. 본 논문에서는 추천의 정확성을 향상시키기 위해, 상품 리뷰를 분석하고 이를 가중치로 사용한 협업 필터링 추천 기법을 제안한다. 제안하는 기법은 상품에 대한 리뷰를 텍스트 마이닝 기법으로 정제하여 특징을 추출하고 감성 기반 분석을 통해 감성 점수를 산출한다. 사용자에게 더 나은 아이템을 추천하기 위해 산출된 점수를 아이템 예측 값 계산 시 가중치로 사용한다. 실험을 통해 전통적인 협업 필터링 기법보다 제안하는 기법의 정확성이 향상되는 것을 확인할 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 학술회의 논문집 정보 및 제어부문 B
• /
• pp.604-607
• /
• 2003

Most recommendation systems recommend the products or other information satisfying preferences of users on the basis of the users' previous profile information and other information related to product searches and purchase of users visiting web sites. This study aims to apply these application categories to e-mail more necessary to users. The E-Mail System has the strong personality so that there will be some problems even if e-mails are automatically classified by category through the learning on the basis of the personal rules. In consideration with this aspect, we need the semi-automatic system enabling both automatic classification and recommendation method to enhance the satisfaction of users. Accordingly, this paper uses two approaches as the solution against the misclassification that the users consider as the accuracy of classification itself using the dynamic threshold in Bayesian Learning Algorithm and the second one is the methodological approach using the recommendation agent enabling the users to make the final decision.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.69-78
• /
• 2024

최근 소비자들은 환경, 사회, 지배구조 관련 정보를 확인하고 더 나은 사회적 가치와 환경 친화적인 제품을 선택하려는 경향이 증가되고 있다. 본 논문에서는 GraphSAGE와 GAT를 결합한 모델인 MultiSAGE를 활용하여 최근 소비 트렌드인 가치소비에 맞추어 ESG 지표를 적용한 상품 추천 시스템을 제안하였다. 이를 위하여 한국 ESG 기준원에서 수집한 2022년 1,033개 기업의 ESG 등급 데이터와 실제 N기업의 쇼핑의 상품 데이터를 Heterogeneous Graph 형식의 데이터로 바꾸는 데이터 처리 과정과 MultiSAGE를 적용하여 머신 러닝에 적용하고, 특정 상품을 입력하면 그 상품의 친환경 대체재를 추천해주는 추천 시스템을 구현하였다. 구현결과, 소비자들은 기업의 ESG지표를 적용한 제품을 쉽게 비교하여 구매할 수 있고, 이를 통해 사회적 가치와 환경친화적인 제품을 추천하는 시스템에 활용될 것으로 기대한다.

• 지능정보연구
• /
• 제26권2호
• /
• pp.43-56
• /
• 2020

추천 시스템은 사용자가 다양한 옵션 중에서 최선의 선택을 할 수 있도록 도와준다. 그러나 추천 시스템이 상업적으로 성공하기 위해서는 극복할 몇 개의 문제점이 존재한다. 첫째, 추천시스템의 투명성 부족 문제이다. 즉, 추천된 상품이 왜 추천되었는지 사용자들이 알 수 없다. 둘째, 추천시스템이 사용자 선호의 변화를 즉각적으로 반영할 수 없는 문제이다. 즉, 사용자의 상품에 대한 선호는 시간이 지남에 따라 변함에도 불구하고, 추천시스템이 사용자 선호를 반영하기 위해서는 다시 모델을 재구축해야 한다. 따라서 본연구에서는 이러한 문제를 해결하기 위해 토픽 모델링과 순차 연관 규칙을 이용한 추천 방법론을 제안하였다. 토픽 모델링은 사용자에게 아이템이 왜 추천되었는지 설명하는데 유용하며, 순차 연관 규칙은 변화하는 사용자의 선호를 파악하는데 유용하다. 본 연구에서 제안한 방법은 크게 토픽 모델링 및 사용자 프로파일 생성 등 토픽 모델링에 기반한 사용자 프로파일 생성 단계와 토픽에 사용자 선호 확인 및 순차 연관 규칙 발견 등 순차 연관 규칙에 기반한 추천 단계로 구분된다. 벤치마크 시스템으로 협업 필터링 기반 추천 시스템을 개발하고, 아마존의 리뷰 데이터 셋을 이용하여 제안한 방법론의 성능을 비교 평가하였다. 비교 분석 결과, 제안한 방법론이 협업 필터링 기반 추천시스템보다 뛰어난 성능을 보였다. 따라서 본 연구에서 제안하는 추천 방법을 통해 추천 시스템의 투명성을 확보할 수 있을 뿐만 아니라, 시간에 따라 변화하는 사용자의 선호를 반영할 수 있다. 그러나 본 연구는 토픽과 관련된 상품을 추천하기 때문에, 토픽에 포함된 상품의 수가 많을 경우 추천이 정교하지 못하는 한계점이 있다. 또한 토픽의 수가 적기 때문에 토픽에 대한 순차 연관 규칙이 너무 적은 문제점이 있다. 향후 연구에서 이러한 문제점을 해결한다면 좋은 연구가 될 것으로 판단된다.

• 한국의류학회지
• /
• 제42권5호
• /
• pp.871-883
• /
• 2018

This study tests consumer responses to online product recommendation service offered by a website. A product recommendation service refers to a filtering system that predicts and shows items that consumers would like to purchase based on their searches or pre-purchase information. The survey is conducted on 300 people in an age group between 20 and 40 years in a panel of an online survey firm. Data are analyzed using confirmatory factor analysis and structural equation modeling by AMOS 20.0. The results show that personalization quality does not have a significant effect on trust, but relationship quality and technology quality have a positive effect on trust. Three types of quality of recommendation service also have a positive effect on commitment. Trust and commitment are factors that increase service usage intentions. In addition, this study reveals the moderating effect of light users vs heavy users based on online shopping time. Light users show a negative effect of personalization quality on trust, indicating that they are likely to be uncomfortable to the service using personal information, compared to heavy users. This study also finds that trust vs commitment is an important factor increasing service usage intentions for heavy users vs light users.

• 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.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2002년도 춘계학술대회 논문집
• /
• pp.305-314
• /
• 2002

In order to adapt to today's rapidly changing environment and gain a competitive advantage, many companies are interested in CRM(Customer Relationship Management). Especially, the product recommendation system that can be implemented by personalizing the marketing strategy becomes the focus of CRM. In this research, we employed CBR(Case-Based Reasoning) technique that can overcome the limitation of CF(Collaborative Filtering) technique. Our system recommends the books that the customer is very likely to buy next time considering the factors such as 'Personal Features of Customer,' Similarity between Book Categories' and 'Sequence of Book Purchases'. Accuracy of predicting a book-not a particular book, but in the middle level of classification that contains about 190 categories-was about 57%.