Abstract
Along with the advent of ubiquitous computing environment, it is becoming a part of our common life style that the demands for enjoying the wireless internet using intelligent portable device such as smart phone and iPad, are increasing anytime or anyplace without any restriction of time and place. The recommending service becomes a very important technology which can find exact information to present users, then is easy for customers to reduce their searching effort to find out the items with high purchasability in e-commerce. Traditional mining association rule ignores the difference among the transactions. In order to do that, it is considered the importance of type of merchandise or service and then, we suggest a new recommending service using mining sequential pattern based on weight to reflect frequently changing trends of purchase pattern as time goes by and as often as customers need different merchandises on e-commerce being extremely diverse. To verify improved better performance of proposing system than the previous systems, we carry out the experiments in the same dataset collected in a cosmetic internet shopping mall.
유비쿼터스 컴퓨팅 환경하에서 전자상거래 대규모가 대형화되고 취급되는 항목제품들도 다종 다양해지고 있는 것이 현실이다. 이러한 유비쿼터스 상거래 시스템은 편리하고 신속하게 제공되어야 하고 다이나믹한 환경에서 실시간성과 민첩성이 요구되고 있다. 데이터마이닝에서 추출한 지식을 적극적으로 활용하는 기법들이 전자상거래에서 구매 촉진을 증진시키는 마케팅 전략으로 활용되고 있다. 본 연구에서는 유비쿼터스 컴퓨팅 환경 하에 지능형 모바일 단말기를 이용한 추천을 위한 가중치기반 순차패턴 탐사를 이용한 추천서비스f를 제안하였다. 본 연구에서는 추천의 정확성을 향상시키고 구매력이 높은 항목제품 및 서비스를 추천하기 위해서 FRAT 세분화 기법을 이용한 가중치기반 순차패턴 탐사를 이용한 추천서비스를 제안하였다. 성능평가를 위해 현업에서 사용하는 인터넷 화장품 쇼핑몰의 데이터를 기반으로 데이터 셋을 구성하여 기존의 방법과 비교 실험을 통해 성능을 평가하여 효용성과 타당성을 입증하였다. 유비쿼터스 상거래에서 시간과 장소에 제약을 받지 않는 모바일 웹앱을 이용한 추천서비스를 위해서 이전방법보다 개선된 방법으로 추천서비스를 구현하였다.