• 한국전자거래학회지
• /
• 제21권2호
• /
• pp.1-22
• /
• 2016

최근 온라인 뉴스 포탈의 뉴스 추천 메커니즘이 뉴스 콘텐츠를 수집, 선택, 편집 및 왜곡하는 일이 일어나고 있다. 선행연구들은 뉴스의 가치에 대한 일관된 정의를 내리지도, 뉴스의 가치가 독자의 반응에 어떤 영향을 미치는지 실증적으로 검증하지도 못했다. 본 연구는 선행연구의 뉴스 가치 개념을 종합하고, 뉴스 가치를 아우를 수 있는 개념으로 대표성의 개념을 도입하였으며, 대표성 기반 정보발견법 및 정보 수용 모델을 활용하여, 대표성이 인지된 뉴스 품질, 신뢰, 인지된 유용성, 서비스 만족도, 충성도, 지속사용의도, 구전의도 등 독자 반응에 어떠한 영향을 미치는 지를 실증적으로 검증하였다. 시나리오 설문 법을 통해 총 357개의 유효한 자료가 수집되었다. 각 집단들은 1) 시간 순서기반 뉴스 추천 메커니즘, 2) 조회수 기반 뉴스 추천 메커니즘, 3) 편집자에 의해 선택된 주요 뉴스를 다시 조회수 기반으로 정렬한 뉴스 추천 메커니즘의 세 종류의 메커니즘에 각각 노출되었다. MANOVA 분석결과에 따르면, 편집자에 의해 선택된 주요 뉴스를 다시 조회수 기반으로 정렬한 뉴스 추천 메커니즘만이 여타 집단에 비해 인지된 뉴스 품질과 신뢰에서 유의한 차이를 보였다. PLS 분석 결과에 따르면, 이렇게 형성된 인지된 뉴스 품질과 신뢰는 인지된 유용성, 서비스 만족도, 충성도, 지속사용의도, 구전의도 등 독자 반응을 유의하게 증가시키는 것으로 조사되었다. 본 연구의 학술적 기여는 언론 영역에서 정보기술의 역할을 강조하고, 편집자와 독자 모두가 인정하는 뉴스가 가치 있는 뉴스라고 개념화 하였으며, 뉴스 추천 메커니즘의 효과를 실증한 가치를 가진다. 실무적 측면에서 본 연구는 온라인 뉴스 포탈이 편집자와 독자의 시각이 모두 반영된 절충안의 뉴스 추천 메커니즘을 활용하는 것이 독자를 유인하기 위해 도움이 될 것이라고 제안한다.

• International journal of advanced smart convergence
• /
• 제9권2호
• /
• pp.1-7
• /
• 2020

As the demand for health screening increases, there is a need for efficient design of screening items. We build machine learning models for health screening and recommend screening items to provide personalized health care service. When offline, a synthetic data set is generated based on guidelines and clinical results from institutions, and a machine learning model for each screening item is generated. When online, the recommendation server provides a recommendation list of screening items in real time using the customer's health condition and machine learning models. As a result of the performance analysis, the accuracy of the learning model was close to 100%, and server response time was less than 1 second to serve 1,000 users simultaneously. This paper provides an adaptive and automatic recommendation in response to changes in the new screening environment.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.37-45
• /
• 2022

2020년 기준 대표적인 온라인 동영상 플랫폼인 유튜브에는 1분에 약 500시간의 동영상이 업로드되고 있다. 이에 업로드된 다수의 다양한 동영상을 통해 정보를 획득하는 사용자의 수가 늘고 있어 온라인 동영상 플랫폼들은 더 나은 추천 서비스를 제공하기 위해 노력하고 있다. 현재 사용되고 있는 추천 서비스는 사용자의 시청 기록을 기반으로 사용자에게 동영상을 추천하는데 이는 교육용 동영상과 같이 특정 목적 및 관심사를 다루는 동영상 추천에 좋은 방법이 아니다. 최근 추천 시스템은 사용자의 시청 기록뿐만 아니라 아이템의 콘텐츠 특징을 함께 활용한다. 본 논문에서는 유튜브를 기반으로 교육용 동영상 추천을 위한 교육용 동영상의 콘텐츠 특징을 추출하고, 이를 활용하는 추천 시스템을 설계하여 웹 애플리케이션으로 구현한다. 사용자들의 만족도를 조사하여 추천 시스템의 추천 성능의 만족도 85.36%, 편의성 만족도 87.80%를 보인다.

• 한국콘텐츠학회논문지
• /
• 제20권12호
• /
• pp.123-135
• /
• 2020

본 연구는 넷플릭스의 서비스 특성 요인을 콘텐츠 다양성, 요금제 적절성, 추천 시스템, N-스크린 서비스, 몰아보기, 서비스 품질 등 6개 차원으로 구분하고, 각 차원이 이용자 만족과 지속 사용 의도에 미치는 영향에 어떤 역할을 하는지 알아보고자 한다. 본 연구는 넷플릭스 서비스를 이용한지 1년 미만인 신규 가입자 202명을 대상으로 설문조사를 실시하였다. 분석 결과, 첫째, 넷플릭스 서비스의 콘텐츠 다양성, 추천 시스템, 몰아보기 기능, 서비스 품질은 이용자 만족에 정의 영향을 미치는 것으로 나타났다. 둘째, 넷플릭스 서비스 특성 인식이 지속 사용 의도에 미치는 직접 효과와 이용자 만족을 통해 영향을 미치는 간접 효과를 분석한 결과, 먼저 N-스크린 서비스는 지속 사용 의도에 직접 효과도 간접 효과도 모두 미치지 않았다. 반면에 콘텐츠 다양성, 추천 시스템, 몰아보기 기능과 서비스 품질은 지속 사용 의도에 대한 직접 효과는 유의미하지 않았지만, 이용자 만족을 통한 간접 효과는 유의미한 것으로 나타났다. 한편, 요금제 적절성은 지속 사용 의도에 미치는 직접 효과가 유의미했지만 이용자 만족을 통한 간접 효과가 유의미하지 않은 것으로 나타났다. 마지막으로 이용자 만족과 지속 사용 의도는 예측한 바와 같이 유의미한 정적 상관관계를 가지는 것으로 나타났다.

• 경영정보학연구
• /
• 제18권2호
• /
• pp.59-77
• /
• 2016

전자상거래 시장에서는 점차 다양한 추천기법들이 적용되고 있으나, 고객 관점에서 이에 대한 사용의도를 비교 분석한 연구는 매우 드물다. 본 연구는, 온라인 쇼핑몰에서 널리 활용되고 있는 베스트셀러 추천, MD(Merchandiser)추천, 내용기반 추천, 협업필터링 추천, 그리고 지인추천 등의 다섯 가지 추천기법들에 대한 고객의 사용의도를, 전자제품군 구매 시와 의류군 구매 시에 대해서 비교 분석하였다. 이와 더불어, 어떠한 요소들이 고객의 추천서비스 사용의도에 영향을 미치는지에 대한 연구를 수행하였다. 이를 위해, 추천서비스 사용경험이 있는 전자상거래 사용자 총 220명을 대상으로 설문조사를 수행한 후, 분산분석(ANOVA), 회귀분석 등을 사용하여 데이터 분석을 수행하였다. 본 연구결과, 추천기법에 따른 고객의 추천서비스 사용의도에는 통계적으로 유의한 차이가 있으며, 특히 전자제품군 구매 시에는 베스트셀러 추천기법이, 의류군 구매 시에는 내용기반의 추천기법이 가장 선호되는 것으로 나타났다. 또한, 고객의 인물특성, 성격요인, 구매성향, 구매하려는 제품에 대한 인식 및 추천서비스에 대한 인식 등이 추천서비스 사용의도에 영향을 미치는 것으로 나타났으나, 세부적인 영향요소들은 추천기법별로 상이하게 도출되었다. 이러한 연구는 기업들에게 제품군 및 개인의 성향에 적합한 기법을 채택하여 추천서비스를 수행할 수 있도록 하는 가이드라인(guideline)을 제시해 줄 수 있을 것으로 기대된다.

• 융합경영연구
• /
• 제11권1호
• /
• pp.21-30
• /
• 2023

Purpose: As one of the ongoing studies on the distribution industry, the purpose of this study is to identify the research trends on online shopping so far to propose not only the development of online shopping companies but also the possibility of coexistence between online and offline retailers and the development of the distribution industry. Research design, data and methodology: In this study, the English abstracts of 645 papers on online shopping registered in scienceON were obtained. For the analysis through BERTopic and LDA using Python 3.7 and identifying which topics were interesting to researchers. Results: As a result of word frequency analysis and co-occurrence analysis, it was found that studies related to online shopping were frequently conducted on factors such as products, services, and shopping malls. As a result of BERTopic, five topics such as 'service quality' and 'sales strategy' were derived, and as a result of LDA, three topics including 'purchase experience' were derived. It was confirmed that 'Customer Recommendation' and 'Fashion Mall' showed relatively high interest, and 'Sales Strategy' showed relatively low interest. Conclusions: It was suggested that more diverse studies related to the online shopping mall platform, sales content, and usage influencing factors are needed to develop the online shopping industry.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권8호
• /
• pp.375-380
• /
• 2016

스마트폰과 Online Social Network Service(OSNS)의 대중화를 통해 언제 어디서든 주변인뿐만 아니라 전 세계 사람들과 상호작용 할 수 있게 되었고, 그 결과 사람들의 OSNS 사용률은 계속 증가하고 있다. 그런데, 일부 OSNS를 통한 대인관계 형성에 집중하는 사람들의 경우, 수많은 Face-to-Face Interaction(F2F Interaction)을 통해 형성되는 인간관계의 과정을 "친구추천" 버튼 하나로 건너뜀으로써 대인관계 기술 발달 및 유지에 어려움을 겪을 수 있다. 본 논문에서는 오프라인에서 F2F Interaction 기회를 발견 및 제공할 수 있는 상황정보 기반의 친구추천 기법을 제시한다. 이를 위해 스마트폰 센서로부터 사용자의 상황정보와 Facebook에서 형성된 사용자 친구관계 정보를 수집하여 텐서 분해 및 결합을 기반으로 오프라인 환경에서 친구를 추천한다. 성능 평가를 위해 12명의 실험 참가자로부터 상황정보를 수집하고, 만족도를 평가하였다.

• 경영정보학연구
• /
• 제25권1호
• /
• pp.27-46
• /
• 2023

최근에는 외식 산업의 발달과 레스토랑 수요의 증가로 인해 레스토랑 추천 시스템 연구가 활발하게 제안되고 있다. 기존 레스토랑 추천 시스템 연구는 정량적인 평점 정보 또는 온라인 리뷰의 감성분석을 통해 소비자의 선호도 정보를 추출하였는데 이는 소비자의 의미론적 선호도 정보는 반영하지 못한다는 한계가 존재한다. 또한, 레스토랑이 포함하는 세부적인 속성을 반영한 추천 시스템 연구는 부족한 실정이다. 이를 해결하기 위해 본 연구에서는 소비자의 선호도와 레스토랑 속성 간의 상호작용을 효과적으로 학습할 수 있는 딥러닝 기반 모델을 제안하였다. 먼저, 합성곱 신경망을 온라인 리뷰에 적용하여 소비자의 의미론적 선호도 정보를 추출했고, 레스토랑 정보에 임베딩 기법을 적용하여 레스토랑의 세부적인 속성을 추출했다. 최종적으로 요소별 연산을 통해 소비자 선호도와 레스토랑 속성 간의 상호작용을 학습하여 소비자의 선호도 평점을 예측했다. 본 연구에서 제안한 모델의 추천 성능을 평가하기 위해 Yelp.com의 온라인 리뷰를 사용한 실험 결과, 기존 연구의 다양한 모델과 비교했을때 본 연구의 제안 모델이 우수한 추천 성능을 보이는 것을 확인하였다. 본 연구는 레스토랑 산업의 빅데이터를 활용한 맞춤형 레스토랑 추천 시스템을 제안함으로써 레스토랑 연구 분야와 온라인 서비스 제공자에게 학술적 및 실무적 측면에서 다양한 시사점을 제공할 수 있을 것으로 기대한다.

• 한국콘텐츠학회논문지
• /
• 제19권3호
• /
• pp.171-182
• /
• 2019

온라인 쇼핑몰의 대중화로 인해 소비자는 폭 넓은 소비의 기회를 제공받고 있다. 소비자들은 온라인 쇼핑몰에서 제공되는 실제 상품을 구매한 사용자의 리뷰, 상품의 자세한 정보와 같은 정보를 활용하여 상품의 구매 여부를 결정한다. 방대한 정보가 신뢰할 수 있는 정보인지는 소비자들이 스스로 판단해야만하기 때문에 객관적이며 신뢰할 수 있는 정보의 제공이 필요하다. 본 논문에서는 신뢰할 수 있는 상품의 추천을 위해서 상품의 신뢰도를 고려한 개인화된 추천 기법을 제안한다. 제안하는 추천 기법은 개인화 추천을 위해서 사용자의 다양한 행위를 기반으로 사용자의 선호도를 판별한다. 또한, 최신의 성향을 반영하기 위해서 시간 가중치를 고려한 사용자 선호도 계산 방법을 제안한다. 마지막으로 사용자가 사용하지 않았던 상품에 대한 선호 점수를 예측하고 예측 점수가 높은 상품 중 신뢰도가 높은 상품들을 추천한다.

• 한국융합학회논문지
• /
• 제12권7호
• /
• pp.7-17
• /
• 2021

본 연구는 온라인 패션 리테일링에서 최근 이용이 증가하고 있는 데이터 융합 기반 사이즈 추천 테크놀로지 서비스 품질이 정보 신뢰와 만족 및 구매 의도에 미치는 영향을 검증하였다. 연구를 위한 설문은 아마존 미케니컬 터크에서 시행되었으며, 사이즈 추천 테크놀로지의 사용 경험이 없는 18세 이상 60세 이하의 미국 거주 여성을 대상으로 하였다. 이들은 설문에 제시된 링크를 클릭하여 특정 패션 온라인 리테일러의 웹페이지에서 사이즈 추천 테크놀로지를 경험한 뒤, 설문에 답하였다. 불성실한 응답을 제외한 213부를 SPSS 27.0과 Process Macro(모델 6번, 5,000 bootstrapping sample)를 이용하여 분석한 결과, 사이즈 추천 테크놀로지 서비스 품질의 하위차원은 반응성과 사용 편의성으로 나타났으며, 두 하위차원은 모두 정보 신뢰와 만족을 매개로 하여 구매 의도에 영향을 미치고 있는 것으로 나타났다. 본 연구는 이와 같은 결과를 바탕으로 사이즈 추천 테크놀로지의 상용화를 위한 전략을 제언하였다.