• 한국경영정보학회:학술대회논문집
• /
• 2008.06a
• /
• pp.149-152
• /
• 2008

본 연구는 협업 추천 시스템에 적용되는 상품에 대한 고객의 선호도 예측 알고리즘 중 메모리기반 협업필터링 알고리즘의 선호도 예측 특성에 대하여 연구하였다. 메모리기반의 협업필터링 알고리즘은 선호도 예측 대상 고객과 유사한 성향을 가질 것으로 예상되는 고객들의 선호도 평가를 기반으로 특정 상품에 대한 선호도 예측이 이루어진다. 일반적으로 시스템을 이용하는 고객들과 선호성향이 다른 고객들은 선호도 예측 성과가 낮은 것으로 알려져 있으며 이들이 추천시스템의 선호도 예측 정확도를 떨어뜨리는 원인으로 알려져 있다. 본 연구에서는 고객이 상품들에 평가한 선호도 평가의 패턴이 선호도 예측 정확도와 관련성이 높음을 보여 선호도 예측 알고리즘의 개선에 기초 자료를 제공하고자 한다. 고객의 선호도 평가 패턴은 과거 고객이 평가한 자료로부터 얻을 수 있는 사전정보로써 선호도 예측 알고리즘을 적용하기 이전에 이용할 수 있는 정보이다. 본 연구에서는 사전정보를 이용하여 고객의 선호도 예측 오차의 특성을 연구함으로써 이들의 선호도 예측 정확도를 개선시킬 수 있는 알고리즘의 보정방법에 대하여 연구한다. 알고리즘의 보정방법을 선호도 예측 이전에 고객의 선호도 평가 특성으로 판단하여 적용함으로써 사전정보를 이용한 선호도 예측 정확도를 향상시키기 위한 접근법은 기존의 이웃 구성의 접근법과 다른 방법을 취함으로써 알고리즘 개선의 새로운 방향을 제시할 것으로 기대된다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.11a
• /
• pp.407-414
• /
• 2005

본 연구는 상품추천을 위해 필요한 고객선호도 추정모형을 제안하고, 이러한 선호도 추정결과에 따른 선호도 정보를 이용하여 궁극적으로 상품추천의 성과를 제고시키기 위한 방법을 제시하였다. 즉, 고객의 행동패턴만으로 고객의 제품선호도를 정확히 추정할 수 있는 새로운 선호도 추정모형을 제안하였다. 이 제안모형은 선호도에 영향을 주는 요인들의 상대적인 가중치를 학습을 통해 최적화시킴으로써, 보다 정확한 선호도 평가를 가능하게 해 주다. 한편, 이 모형의 타당성을 검증하기 위해서 본 연구에서는 가상서점 고객들을 대상으로 고객선호도 정보를 수집한 후, 본 제안모형을 적용했을 때의 협업 필터링 성과와 단순선호도 계산식을 이용했을 경우의 성과를 비교 분석하였다. 이에 대한 실증분석결과는 본 제안모형을 적용했을 때의 협업 필터링 성과가 단순 선호도 모형을 적용했을 때의 성과보다 더 우수한 것으로 나타났다.

• Proceedings of the Korean Information Science Society Conference
• /
• 1999.10b
• /
• pp.90-92
• /
• 1999

최근 전자상거래를 위해 개발되는 대부분의 쇼핑에이전트들은 고객의 선호도를 고려하지 않은 일차원적인 비교, 예를 들어 가격비교 기능만을 가지고 있다. 이러한 일차원적 비교는 다양한 상품 특성을 고려할 수가 없다. 고객이 상품을 구매할 때 만족을 얻지 못하는 것은 그들이 서로 다른 성향을 가지고 있기 때문이다. 따라서 고객에게 가치 있는 상품 정보를 제공할 수 있는 지능형 쇼핑에이전트의 개발이 전자상거래에서 요구된다. 본 논문에서 우리는 다차원 비교쇼핑을 지원하는 지능형 쇼핑에이전트를 제안한다. 이것은 다양한 고객 선호도에 따른 고객의 요구에 부합되도록 한다. 고객의 선호도를 예측하기 위해서 쇼핑에이전트는 고객으로부터의 피드백과 트랜잭션 정보를 분석한다. 그리고 다음 구매를 위해 고객 선호도를 재 산정한다. 이러한 지능형 쇼핑에이전트는 고객 선호도의 변화에 능동적으로 적응해야 한다. 본 연구의 대상 상품은 책이다. 본 논문에서 제안하는 쇼핑에이전트는 서로 다른 선호도를 가진 각각의 고객에 대해서 유용한 결과를 보인다. 이러한 실험을 통해 우리는 고객 선호도의 변화를 확인할 수 있다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.597-602
• /
• 2007

본 연구는 추천시스템에서 협업필터링 알고리즘을 이용하여 특정 상품에 대한 고객의 선호도를 예측함에 있어 고객이 상품에 대해 평가한 선호도 평가치를 고객별로 표준화시켜 예측하여 기존의 예측 정확도를 향상시키는 방법에 대하여 연구하였다. 일반적으로 상품에 대한 고객의 선호도를 평가하기 위하여 절대적 기준의 수치적 척도가 제공되지만 개인에 따라서는 상품에 대한 선호 정도가 절대적 척도에 다르게 반영되어 개인별 선호도에 차이가 발생할 수 있다. 이러한 개인적 특성이 동일한 척도의 평가치로 예측되면 예측 결과의 오차를 크게 할 가능성이 있다. 또한 개인이 평가한 선호도 평가치의 편차가 협업필터링 알고리즘을 통한 선호도 예측 정확도와 밀접한 관계를 가지고 있음을 알 수 있었으며 이러한 문제를 해결하기 위하여 개별 고객이 평가한 선호도 평가치를 표준화시켜 표준화된 선호도 평가치를 이용한 선호도 예측을 실시하였다. 분석결과 표준화된 선호도 평가치를 이용한 예측 결과가 비표준화 선호도 평가치를 이용한 예측 결과보다 예측력이 우수함을 알 수 있었으며 결과에 대한 통계적 분석을 통하여 표준화된 선호도 평가치를 이용한 선호도 예측 방법과 비 표준화 선호도 평가치를 이용한 선호도 예측 방법을 혼합할 경우 선호도 예측 정확도를 더 향상시킬 수 있음을 알 수 있었다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.11 no.1
• /
• pp.52-57
• /
• 2001

인터넷의 대중화와 더불어 전자상거래에 대한 관심과 중요성이 더욱 증대되고 있다. 전자상거래에서 보다 많은 고객들을 유치하기 위해서는 거래의 안정성 보장, 시스템의 사용 편의성, 다양한 물품의 제공, 저렴한 가격 등과 함께 차별화된 고객 서비스 전략이 필요하다. 고객의 취향에 적합한 상품 정보를 제공함으로써 고객의 만족도를 증진시키고 나아가 지속적인 방문을 유도하고자 한다. 본 논문에서는 고객이 전자상거래 쇼핑몰을 방문 시 고객별로 관리되는 선호도를 활용하여 고객의 취향에 적합한 상품 정보를 제공한다. 퍼지논리를 이용하여 제품군간에 근접도를 반영함으로써 사용자에게 보다 좋은 상품 정보를 제공하는 기법을 제안한다.

• Journal of Intelligence and Information Systems
• /
• v.12 no.4
• /
• pp.1-14
• /
• 2006

This study proposed a customer preference estimation model for production recommendation and a method to enhance the performance of product recommendation using the estimated customer preference information. That is, we suggested customer preference estimation model to estimate exactly customer's product preference with his behavior. This model shows the relationship of customer's behaviors with his preferences. The proposed estimation model is optimized by learning the relative weights of customer's behavior variables to have an effect on his preference and enables to estimate exactly his preference. To validate our proposed models, we collected virtual book store data and then made a comparative analysis of our proposed models and a benchmark model in terms of performance results of collaborative filtering for product recommendation. The benchmark model means a prior preference weighting model. The results of our empirical analysis showed that our proposed model performed better results than the benchmark model.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• pp.347-350
• /
• 2004

전자상거래와 고객관계관리에서 고객의 개인화를 위해 사용되는 협동적 필터링 방안은 고객이 상품에 대해 표시한 선호도에 기반을 두어 선호도가 유사한 사용자를 찾고, 유사한 사용자의 선호도를 활용하여 추천할 상품을 선정하는 방안이다. 고객간의 유사도 계산과 상품에 대한 선호도 계산을 위한 다양한 방안들의 계산식에 대해서는 명확하게 정의되어 있으나, 이에 활용되는 데이터의 선정에 대해서는 명확한 규정이나 가이드라인이 존재하지 않는다. 즉, 몇 번 이상의 선호도를 표시한 사용자를 대상으로 추천을 수행할 것인지, 혹은 몇 번 이상 선호도가 표시된 상품을 추천에 활용할 것인지와 같은 데이터 선정에 활용되는 계수와 협동적 필터링의 추천 성과간의 관계에 대한 연구는 아직 부족하다. 본 연구에서는 협동적 필터링의 연구에 많이 활용되는 EachMovie 데이터를 가지고 협동적 필터링의 계수와 추천 성과간의 관계에 대해 실험적으로 연구하였다. 첫 번째는 몇 번 이상 선호도를 표시한 사용자를 협동적 필터링에 활용하는 것이 추천 성과를 높일 수 있는지에 대해 연구하였으며, 두 번째는 몇 번 이상 선호도가 표시된 상품을 고객에게 추천하는 것이 협동적 필터링의 추천 성과를 높일 수 있는가에 대한 연구를 수행하였다. 계수와 추천 성과간의 관계에 대한 두 가지 실험에서 선호도 표시의 한계가치(marginal value)가 점진적으로 감소하는 것을 볼 수 있었다. 본 연구의 결과는 협동적 필터링의 수행을 위한 효과적인 데이터의 선정에 도움을 줄 수 있을 것이다.

• Proceedings of the Korea Society of Information Technology Applications Conference
• /
• 2001.05a
• /
• pp.23-24
• /
• 2001

기존의 전자상거래에서 사용되고 있는 지능형 검색엔진은 단순히 구매자가 상품에 대한 선호도를 직접 입력하면 그것을 바탕을 검색하는 기능의 형태였다. 그러나 고정된 형식을 바탕으로 한 선호도 등록은 각각의 사용자의 구매 패턴 등을 정확히 표현할 수 없고, 고객의 요구사항이 다이나믹하게 변화하는 것에 대처하기 힘들다. 본 논문에서는 사용자의 선호도를 고객의 등록에만 의존하지 않고 능동적으로 고객의 구매 패턴 등을 수집하고 고객의 선호도를 분석하고 상품정보를 제공할 수 있는 쇼핑몰을 제시한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.698-700
• /
• 2003

본 논문에서는 협력적 여과방식에서 고객의 특정 상품에 대한 선호도 예측의 정확도를 향상하기 위해 상품의 선호도 값에 가중치를 반영하는 전처리 방법을 제안한다. 이를 위해 고객별 상품의 선호도 값에 정보검색 분야에서 사용되고 있는 벡터 공간 모델을 이용하여 가중치를 부여하며, 이를 통하여 특정 상품을 선호하는 고객과 전체 상품을 고루 선호하는 고객간의 차별화 값을 반영하여 보다 정확한 선호도를 예측할 수 있게 된다. 전처리 과정을 수행하지 않은 기존의 협력적 여과 방식과의 실험을 통한 비교 분석을 통하여 본 논문이 제안하는 전처리 과정의 타당성과 비교우위를 검증한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.550-552
• /
• 2004

예약 스케줄링 문제는 여러 가지 제약조건이 많고 탐색공간이 방대하기 때문에 백트래킹 방법이나 단순스케줄링을 통한 방법으로는 예약 스케줄링에서 가장 중요한 고객의 만족도를 향상시키기 어렵다. 본 논문에서 제시한 예약스케줄링 기법은 제약만족문제(CSP)와 객체지향개념을 예약 스케줄링 문제에 적용하여 온라인(On-line) 예약 시에 일어날 수 있는 문제점들을 해결하고자 하였다. 객체 지향 개념을 기반으로 고객(객체)들이 갖고 있는 사건들을 주어진 제약들에 만족하도록 목표인 보드에 배정한다. 특히 고객들의 만족도를 높이기 위해서 고객의 선호도 보드를 참조하여 객체들의 우선순위에 따라서 자원을 배정하고, 자원에 대한 객체의 선호도 차이를 가질 수 있게 하였다. 보드에 대한 정의와 모든 사건들에 대한 정보를 전역제약으로 사용하고, 고객이 가지는 보드의 슬롯들에 대한 선호도를 지역 제약으로 사용한다. 고객의 선호도보드를 참조하여 예약스케줄링을 수행한 결과의 고객 만족도가 많이 향상되었음을 알 수 있었다.