• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권5호
• /
• pp.2082-2102
• /
• 2018

In recent years, social network related applications such as WeChat, Facebook, Twitter and so on, have attracted hundreds of millions of people to share their experience, plan or organize, and attend social events with friends. In these operations, plenty of valuable information is accumulated, which makes an innovative approach to explore users' preference and overcome challenges in traditional recommender systems. Based on the study of the existing social network recommendation methods, we find there is an abundant information that can be incorporated into probability matrix factorization (PMF) model to handle challenges such as data sparsity in many recommender systems. Therefore, the research put forward a unified social network recommendation framework that combine tags, trust between users, ratings with PMF. The uniformed method is based on three existing recommendation models (SoRecUser, SoRecItem and SoRec), and the complexity analysis indicates that our approach has good effectiveness and can be applied to large-scale datasets. Furthermore, experimental results on publicly available Last.fm dataset show that our method outperforms the existing state-of-art social network recommendation approaches, measured by MAE and MRSE in different data sparse conditions.

• 경영정보학연구
• /
• 제25권4호
• /
• pp.67-87
• /
• 2023

온라인 쇼핑 플랫폼은 개인화 추천 시스템을 활용하여 소비자의 개인 정보와 행동 데이터를 수집, 분석 및 마이닝을 통해 소비자에게 맞춤형 추천 서비스를 제공함으로써 소비자의 잠재적인 쇼핑 욕구를 자극한다. 본 연구는 S-O-R 모델을 기반으로 온라인 쇼핑 추천이 구매의도에 미치는 영양을 분석하기 위하여 시스템 품질인 다양성과 정확성, 정보 품질인 설득력과 완전성을 외부 자극으로 설정하고, 신뢰 및 지각된 가치에 따른 소비자의 심리상태 하 유기체로 설정하여 구매의도 간에 관계를 탐구하였다. 온라인 쇼핑 플랫폼을 이용하는 소비자를 대상으로 설문조사를 실시하였다. 분석결과는 개인화 추천 시스템의 품질과 정보 품질이 신뢰와 지각된 가치에 미치는 영향에 대한 가설이 모두 채택되었다. 신뢰가 시스템 품질, 정보 품질에 대한 구매의도와의 관계에서 매개역할을 확인하였으며 지각된 가치는 정보 품질에 대한 구매의도와의 관계에서 매개역할을 확인하였다. 추천 시스템이 제공하는 콘텐츠는 소비자 경험을 개선하고 소비자의 수용 정도를 높일 수 있는 방향으로 설계되어야 한다는 시사점을 도출하였다.

• 한국지능시스템학회논문지
• /
• 제13권3호
• /
• pp.366-370
• /
• 2003

In this research, we suggest a hybrid intelligent Web recommendation systems based on Web data mining and case-based reasoning (CBR). One of the important research topics in the field of Internet business is blending artificial intelligence (AI) techniques with knowledge discovering in database (KDD) or data mining (DM). Data mining is used as an efficient mechanism in reasoning for association knowledge between goods and customers＇ preference. In the field of data mining, the features, called attributes, are often selected primary for mining the association knowledge between related products. Therefore, most of researches, in the arena of Web data mining, used association rules extraction mechanism. However, association rules extraction mechanism has a potential limitation in flexibility of reasoning. If there are some goods, which were not retrieved by association rules-based reasoning, we can＇t present more information to customer. To overcome this limitation case, we combined CBR with Web data mining. CBR is one of the AI techniques and used in problems for which it is difficult to solve with logical (association) rules. A Web-log data gathered in real-world Web shopping mall was given to illustrate the quality of the proposed hybrid recommendation mechanism. This Web shopping mall deals with remote-controlled plastic models such as remote-controlled car, yacht, airplane, and helicopter. The experimental results showed that our hybrid recommendation mechanism could reflect both association knowledge and implicit human knowledge extracted from cases in Web databases.

• 지능정보연구
• /
• 제16권4호
• /
• pp.195-211
• /
• 2010

전시회는 전시업체가 새로운 상품이나 서비스를 관람객에게 알리기 위해 개최되는 것으로 효과적인 마케팅 수단으로 중요한 역할을 수행한다. 전시회를 방문하는 다양한 관람객의 니즈를 충족시키기 위하여 다양한 유비쿼터스 기술이 전시회에 응용되고 있지만 관람객이 사전에 요청한 정보만을 제공함으로 개별 관람객의 선호가 반영되지 않아 관람객의 니즈를 충족시키기에는 한계가 있다. 이러한 한계를 해결하기 위한 방법으로 개인의 선호에 부합하는 부스를 추천하는 추천 시스템의 이용이 가능하다. 추천시스템은 전시 환경에서 관람객의 선호를 추론하여 선호에 부합하는 방문 부스를 추천하여 관람객의 니즈를 충족시킬 수 있다. 그러나 추천 시스템 중 가장 성공적으로 평가 받는 기존의 협업 필터링은 관람객의 부스 방문 순서에 나타나는 선호를 반영하지 않아 동적으로 변화하는 선호를 가지는 관람객으로 구성된 전시 환경의 추천 시스템으로는 적합하지 않다. 따라서 본 연구에서는 관람객의 방문 순서를 고려하는 기법 중 순차 연관 규칙을 이용하여 관람객의 선호에 부합하는 부스를 추천하는 방법론을 제안하였다. 본 연구에서 제안한 방법론의 성과 측정을 위해 실제 전시회에서 획득한 데이터를 사용하여 기존의 협업 필터링과 비교한 결과 전체적으로 추천의 성과가 향상되어 향후 전시 환경에서의 부스 추천시스템에 적용하여 관람객의 니즈를 충족시킬 것으로 기대된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.721-739
• /
• 2023

Rating prediction is an important issue in recommender systems, and its accuracy affects the experience of the user and the revenue of the company. Traditional recommender systems use Factorization Machinesfor rating predictions and each feature is selected with the same weight. Thus, there are problems with inaccurate ratings and limited data representation. This study proposes a deep recommendation model based on self-attention Factorization (SAFMR) to solve these problems. This model uses Convolutional Neural Networks to extract features from user and item reviews. The obtained features are fed into self-attention mechanism Factorization Machines, where the self-attention network automatically learns the dependencies of the features and distinguishes the weights of the different features, thereby reducing the prediction error. The model was experimentally evaluated using six classes of dataset. We compared MSE, NDCG and time for several real datasets. The experiment demonstrated that the SAFMR model achieved excellent rating prediction results and recommendation correlations, thereby verifying the effectiveness of the model.

• Journal of Information Technology Applications and Management
• /
• 제16권3호
• /
• pp.17-28
• /
• 2009

This paper presents a novel method for evaluating the usefulness of online product recommendation. Previous studies on evaluating recommendation systems have mostly relied on two methods : testing the accuracy of estimating user preferences by recommendation systems, or empirically testing the effectiveness with lab experiments involving human participants. The former does not measure the usefulness directly and hence can be misleading; the latter is expensive in that it requires a working online store System and test participants. In order to address the problems, the proposed approach uses simulation to imitate customer behavior and evaluate the usefulness of recommendation. Models for user behavior and an abstract Internet store are developed for simulation. Actual simulation experiments are performed to illustrate the use of the approach.

• 대한안전경영과학회지
• /
• 제10권4호
• /
• pp.309-314
• /
• 2008

Many studies on predicting and recommending information and products have been studying to meet customers' preference. Unnecessary information should be removed to satisfy customers' needs in massive information. The some information filtering methods to remove unnecessary information have been suggested but these methods have scarcity and scalability problems. Therefore, this paper explores a personalized recommendation system based on artificial neural network (ANN) to solve these problems. The insurance product recommendation is adapted as an example to demonstrate the proposed method. The proposed recommendation system is expected to recommended a suitable and personalized insurance products for customers' satisfaction.

• 경영정보학연구
• /
• 제21권4호
• /
• pp.31-45
• /
• 2019

공연문화예술 시장의 확대에도 불구하고, 중소규모 공연장은 소비자의 정보 접근성이 좋지 않아 어려움을 겪고 있다. 본 연구는 중소규모 공연장의 마케팅 역량을 강화할 수 있는 하나의 대안으로써 머신러닝 기반의 장르 추천 시스템을 제시하고자 한다. 국내 한 공연장의 고객 마스터 DB와 거래이력 DB를 활용하여 고객당 3개의 장르를 추천하는 5개의 추천 시스템을 개발하였다. 추천시점 이후 1년 동안의 실제 공연구매 이력을 바탕으로 추천 시스템의 성능을 비교하여 최적의 추천시스템을 제안하였다. 분석 결과, 단일 예측모형보다는 앙상블 모형 기반의 추천시스템이 우수한 성능을 보이는 것으로 나타났다. 본 연구는 공연문화예술 분야에는 일천했던 개인화 추천 기법을 적용했고, 분석 결과 공연문화예술 분야에서도 충분히 활용할 만한 가치가 있음을 시사하고 있다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제12권1호
• /
• pp.55-60
• /
• 2020

Adaptive recommendation systems have been developed with big data processing as a system that provides services tailored to users based on user information and usage patterns. Deep learning can be used in these adaptive recommendation systems to handle big data, providing more efficient user-friendly recommendation services. In this paper, we propose a system that uses deep learning to categorize and recommend tourism types to suit the user's personality. The system was divided into three layers according to its core role to increase efficiency and facilitate maintenance. Each layer consists of the Service Provisioning Layer that real users encounter, the Recommendation Service Layer, which provides recommended services based on user information entered, and the Adaptive Definition Layer, which learns the types of tourism suitable for personality types. The proposed system is highly scalable because it provides services using deep learning, and the adaptive recommendation system connects the user's personality type and tourism type to deliver the data to the user in a flexible manner.

• 정보관리학회지
• /
• 제33권1호
• /
• pp.317-336
• /
• 2016

오늘날 폭발적인 정보의 증가로 이용자들은 자신이 원하는 정보를 찾기 위해 엄청난 시간과 노력을 기울여야 한다. 이 문제를 해결하기 위하여 이용자의 정보요구를 분석하고 이용자에게 적합한 논문을 추천해주는 논문추천시스템이 등장하고 있다. 그러나 대부분의 논문추천시스템은 논문추천시스템의 핵심인 이용자 프로파일을 간과하고 있다. 따라서 이 연구는 논문추천시스템의 성능을 좌우하는 이용자 프로파일을 기존의 평균으로 계산하지 않고 새로운 TPIPF(Topic Proportion-Inverse Paper Frequency)로 계산하는 방법을 제안하였다. 제안된 방법과 기존의 방법을 모두 논문추천시스템에 적용하여 각각의 성능을 온라인 참고문헌 관리도구인 CiteULike에서 제공된 데이터 실험을 통하여 비교하였다. 그 결과 제안된 TPIPF 방법을 적용한 논문추천시스템의 성능이 더 높다는 것을 알 수 있었다.