• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2012년도 제46차 하계학술발표논문집 20권2호
• /
• pp.135-137
• /
• 2012

기존의 연관규칙을 이용한 추천시스템은 점진적으로 증가하는 트랜잭션 데이터를 처리하기 위해서 기존에 처리한 데이터를 재처리하는 비효율성의 문제가 있다. 본 논문에서는 전자상거래에서 RFM(Recency, Frequency, Monetary)기반의 점진적 빈발 패턴 마이닝을 이용한 추천기법을 제안한다. 제안 방법은 새로운 트랜잭션 데이터가 추가 되었을 때 보다 빠른 시간 내에 연관규칙을 추출이 가능하다.

• 문화기술의 융합
• /
• 제8권3호
• /
• pp.435-439
• /
• 2022

최근 코로나19시대를 맞으며 다양한 분야에 영향을 미치고 있다. 대표적으로 편리함을 추구하는 현대인의 성향이 맞물려 여러 서비스 분야에서 비대면(언택트) 서비스가 트렌드 물결을 타고 영역을 넓혀가고 있다. Cosmetics 업계에서도 비대면 서비스에 많은 관심을 가지고 있다. 하지만 Cosmetics 업계에서는 고객의 피부정보 기반 개인 맞춤형 서비스는 제공하지 않고 있다. 본 논문에서는 현대인의 성향에 맞게 단순 비대면 서비스를 넘어 수집된 개인의 피부 정보 기반으로 개인 맞춤형 제품을 추천해주는 문진 서비스에 대하여 연구하였다. 사용자는 온라인에서 제공되는 문진 서비스를 이용하여 응답한 내용에 따라 고객의 피부타입을 정교하게 찾아주고 피부타입에 맞는 화장품을 제공함으로써 고객들의 적극적인 참여를 이끌어 내고 이로 인하여 고객에게 더 많은 혜택을 제공할 수 있도록 하는 선순환을 만들어 내고자 한다.

• 한국정보통신학회논문지
• /
• 제15권3호
• /
• pp.691-699
• /
• 2011

최근 사회망 기반의 검색 서비스들을 중심으로 다양한 방법들이 제시되고 있다. 기존의 추천시스템들은 특정 영역의 전문가를 검색할 수 있지만 검색하고자 하는 전문가에 대한 프로파일과 전문가를 평가하는 항목이 한 시스템에 있어야만 한다. 본 논문에서는 지식베이스와 XMDR을 이용하여 서로 다른 시스템에 존재하는 전문가 프로파일과 전문가를 평가하는 항목 수집을 자동화할 수 있다. 또한 다양한 리소스들을 이용하여 사회망을 동적으로 구축하여 여러 전문가를 추천할 수 있는 시스템을 구성하고자한다. 그러나 다양한 리소스들은 지역적으로 분산되어 있고 이종의 데이터 소스들로 구성되어있기 때문에 사용자 의사결정을 위한 정보를 얻는 것은 어렵다. 이러한 문제를 효율적으로 해결하기 위해서 사용자에게 단일 인터페이스를 제공하고 이종시스템들 간에 구축된 리소스들에는 각각 독립성과 투명성을 제공할 필요성이 있다. 따라서 본 논문에서는 분산되어있는 전문가 프로파일 추출을 위해 XMDR과 지식베이스를 이용하고 이러한 지식베이스를 사회망과 연계한 전문가 추천 시스템을 설계한다.

• 한국컴퓨터정보학회논문지
• /
• 제17권2호
• /
• pp.197-206
• /
• 2012

기존의 연관규칙을 이용한 추천시스템은 매번 계속적으로 대량의 데이터를 스캔해야 하므로 속도가 느릴 뿐 아니라 확장성 문제와 정확도 문제가 있다. 본 논문에서는 사용자의 평가 자료에 의존하지 않고 묵시적인(Implicit)방법을 이용하여 RFM(Recency, Frequency, Monetary)기반 FP-tree 마이닝을 이용한 개인화 추천시스템을 제안한다. 구매 가능성이 높은 아이템을 찾기 위해서 고객정보와 구매이력정보를 기반으로 고객과 아이템의 속성 반영이 가능한 RFM기법과 FP-tree 마이닝을 이용한다. 제안 방법으로 RFM기반의 FP-tree 마이닝을 이용하여 후보집합의 발생없이 빈발항목을 구성하고 연관규칙을 생성한다. 생성된 연관규칙의 지지도, 신뢰도, 향상도를 사용하여 추천 효율성이 높은 아이템 추천이 가능하다. 성능평가를 위해 현업에서 사용하는 인터넷 화장품 아이템 쇼핑몰의 데이터를 기반으로 데이터 셋을 구성하여 기존의 시스템과 비교 실험을 통해 성능을 평가하여 효용성과 타당성을 입증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제17권6호
• /
• pp.163-172
• /
• 2012

기존 추천시스템의 명시적((Explicit) 협력 필터링 방법은 실용화 되었으나 정확한 아이템의 속성이 반영되지 않는 문제와 희박성과 확장성 문제가 여전히 남아 있다. 본 논문에서는 실시간성과 민첩성이 요구되는 유비쿼터스 상거래에서 고객에게 번거로운 질의 응답 과정이 없이 묵시적인(Implicit) 방법을 이용하여 RFM(Recency, Frequency, Monetary)기법과 k-means 기법을 이용한 개인화 추천시스템을 제안한다. 구매 가능성이 높은 아이템을 추출하기 위해서 고객데이터와 구매이력 데이터를 기반으로 아이템의 속성 반영이 가능한 RFM기법과 k-means 클러스터링을 이용한다. 제안 방법으로 추천의 효율성이 높은 아이템 추천이 가능하도록 고객정보의 속성 변수의 특징 벡터가 적용된 클러스터링 작업과 군집내의 아이템 카테고리 선호도 계산 작업의 전처리를 수행한다. 성능평가를 위해 현업에서 사용하는 인터넷 화장품 아이템 쇼핑몰의 데이터를 기반으로 데이터 셋을 구성하여 기존 시스템과 비교 실험을 통해 성능을 평가하여 효용성과 타당성을 입증하였다.