• Journal of KIISE:Computing Practices and Letters
• /
• v.12 no.5
• /
• pp.326-338
• /
• 2006

In this paper, we propose the weighted Markov model for recommending the users' prefered contents in the environment with considering the users' transition of their content consumption mind according to the kind of contents providing in time. In general, TV viewers have an intention to consume again the preferred contents consumed in recent by them. In order to take into the consideration, we modify the preference transition matrix by providing weights to the consecutively consumed contents for recommending the users' preferred contents. We applied the proposed model to the recommendation of TV viewer's genre preference. The experimental result shows that our method is more efficient than the typical methods.

• 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.

• The Journal of the Korea Contents Association
• /
• v.14 no.11
• /
• pp.430-437
• /
• 2014

In the case of the hotel restaurant, the purpose of using the hotel affects largely to the type or the menu and nowadays it becomes essential to find out the characteristics of the hotels and make the strategy within them. Therefore, the purpose of this study is analyzing that even if the customers have the similar characteristics and preferences, they choose different menu because of the purpose of the visit, and the image of the hotel. And also this study gives basic data for the strategic menu management, the target of this research was the super deluxe Italian restaurant. Using the sales data of this restaurant, we analyzed the menu what people like most, and moreover, we analyzed the menu-choice behavior about each hotel. This study has a important role as a basic data that gives more profit to the restaurant, but also satisfaction to the customers.

• Journal of the Korean Data and Information Science Society
• /
• v.20 no.5
• /
• pp.809-818
• /
• 2009

Collaborative filtering approach predicts the preference of active user about specific items transacted on the e-commerce by using others' preference information. To improve the prediction accuracy through collaborative filtering approach, it must be needed to gain enough preference information of users' for predicting preference. But, a bit much information of users' preference might wrongly affect on prediction accuracy, and also too small information of users' preference might make bad effect on the prediction accuracy. This research suggests the method, which decides suitable numbers of neighbor users for applying collaborative filtering algorithm, improved by existing k nearest neighbors selection methods. The result of this research provides useful methods for improving the prediction accuracy and also refines exploratory data analysis approach for deciding appropriate numbers of nearest neighbors.

• Information Systems Review
• /
• v.9 no.1
• /
• pp.85-103
• /
• 2007

The purpose of this study is to evaluate the performance of collaborative filtering recommender algorithms for better prediction accuracy of the customer's preference. The accuracy of customer's preference prediction is compared through the MAE of neighborhood based collaborative filtering algorithm and correspondence mean algorithm. It is analyzed by using MovieLens 1 Million dataset in order to experiment with the prediction accuracy of the algorithms. For similarity, weight used in both algorithms, commonly, Pearson's correlation coefficient and vector similarity which are used generally were utilized, and as a result of analysis, we show that the accuracy of the customer's preference prediction of correspondence mean algorithm is superior. Pearson's correlation coefficient and vector similarity used in two algorithms are calculated using the preference rating of two customers' co-rated movies, and it shows that similarity weight is overestimated, where the number of co-rated movies is small. Therefore, it is intended to increase the accuracy of customer's preference prediction through expanding the number of the existing co-rated movies.

• Proceedings of the KAIS Fall Conference
• /
• 2006.05a
• /
• pp.437-441
• /
• 2006

본 논문에서는 RFID 위치추적엔진과 지능형 에이전트를 이용한 선호상품 추천 기법을 이용하여 RFID기반 위치추적을 이용한 실시간 선호 상품 추천 시스템을 제안한다. 매장안에서 RFID 태그가 부착된 스마트 카트를 이용하여 고객의 위치를 실시간으로 파악하여 각 구역별 쇼핑시간과 개별 고객의 구매 히스토리 분석 및 이동 구역 예측을 통해 실시간으로 쇼핑 매장에서 각 고객의 선호상품을 추천한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1125-1128
• /
• 2013

본 논문에서는 여성들의 개별 패션 선호도로부터 패션 선호 패턴을 분석하고 이를 이용하여 고객에게 맞는 의류를 추천하는 모바일 의류 추천 시스템을 제안한다. 패선 선호관련 설문조사로부터 대응표본 T-검정 방법을 이용하여 선호 특성과 의류와의 유효한 관계를 찾고, 이를 바탕으로 선호 특성에 따른 의류 분류 기준을 작성하였으며, 카이제곱 검정 방법을 통해 선호 특성과 의류 사이의 연관성을 파악하고 선호 특성에 따른 선호 의류 추천을 위한 규칙을 도출하였다. 이러한 규칙을 활용하여 각 사용자의 구입의사 및 패선 선호 특성에 따른 의류를 추천해 주는 시스템을 구현하였으며, 이에 대한 만족도를 조사한 결과 10 점 만점에 7.1 점으로 나타났다. 본 논문에서 제안한 모바일 의류 추천 시스템을 통해 사용자는 선호 의류를 추천 받을 수 있으며, 이로부터 제품의 정보 부족으로 발생하였던 모바일 쇼핑의 문제점을 해결할 수 있을 것이다.

• Information Systems Review
• /
• v.25 no.1
• /
• pp.111-128
• /
• 2023

With the development of artificial intelligence technology, interest in data-based product preference estimation and personalized recommender systems is increasing. However, if the recommendation is not suitable, there is a risk that it may reduce the purchase intention of the customer and even extend to a huge financial loss due to the characteristics of the financial product. Therefore, developing a recommender system that comprehensively reflects customer characteristics and product preferences is very important for business performance creation and response to compliance issues. In the case of financial products, product preference is clearly divided according to individual investment propensity and risk aversion, so it is necessary to provide customized recommendation service by utilizing accumulated customer data. In addition to using these customer behavioral characteristics and transaction history data, we intend to solve the cold-start problem of the recommender system, including customer demographic information, asset information, and stock holding information. Therefore, this study found that the model proposed deep learning-based collaborative filtering by deriving customer latent preferences through characteristic information such as customer investment propensity, transaction history, and financial product information based on customer transaction log records was the best. Based on the customer's financial investment mechanism, this study is meaningful in developing a service that recommends a high-priority group by establishing a recommendation model that derives expected preferences for untraded financial products through financial product transaction data.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.05c
• /
• pp.1883-1886
• /
• 2003

인터넷 서비스의 급속한 발전으로 전자상거래에서의 매우 많은 정보와 다양한 컨텐츠가 개인 사용자들에게 제공되고 있다. 또한, 이러한 개인을 고객으로 하는 각종 인터넷 쇼핑몰이 많이 생성되고 서비스됨에 따라 고객 개인을 위한 차별화된 정보가 매우 중요한 하나의 이슈로 작용하고 있다. 본 논문은 인터넷 쇼핑몰을 이용하는 각각의 고객에 대한 관심 제품에 대한 사양을 프로파일링 에이전트를 이용하여 자동화된 프로파일링을 생성하여 고객에 대한 정확한 선호 상품을 예측 및 제시하여 줌으로서 고객에게 개인화된 상품 정보를 제공해 줄 수 있는 시스템을 설계하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.205-207
• /
• 2005

기존의 추천 시스템들은 사용자 수가 증가함에 따라 추천시간이 증가하는 확장성(Scalability) 문제가 있으며, 새로운 고객의 경우 선호도 정보가 부족하여 추천 정확도가 저하되는 희박성(Saparsity) 문제가 있다. 본 논문에서는 고객의 기본 프로파일 정보 중 가장 변별력이 있는 성과 나이에 대한 그룹을 생성하고 클러스터링 함으로써 집단 내 선호 상품을 우선적으로 추천하는 1단계 클러스터링 방법을 사용하여 새로운 고객의 희박성 문제를 해결 했으며, 추천결과에 따른 피드백을 받아 시간 흐름에 따른 선호 경향을 클러스터링 하는 시간스키마 방법을 적용한 2단계 클러스터링 방법을 사용함으로써 확장성 문제를 해결함은 물론 예측 정확도를 높일 수 있는 방법을 제안한다.