• 한국정보과학회논문지:소프트웨어및응용
• /
• 제29권9호
• /
• pp.669-675
• /
• 2002

최근 전자상거래에서 대부분의 개인화 된 추천 시스템들은 고객의 취향에 맞는 적절한 상품을 추천하기 위하여 협동적 필터링 기술을 적용하고 있다. 사용자 기반 협동적 필터링은 특정 고객의 선호도와 가장 유사한 선호도를 가지는 고객 그룹의 선호도를 바탕으로 그 고객의 특정 상품에 대한 선호도를 예측하는 기법이다. 그러나 이 방법은 두 고객이 모두 평가를 한 상품이 있어야 하고 오직 두 고객 사이에서만 상관 관계를 구할 수 있으므로 예측의 정확성이 떨어질 가능성이 있다. 아이템 기반 협동적 필터링은 고객이 선호도를 입력한 기존의 상품들과 예측하고자 하는 상품의 상관 관계를 계산하여 선호도를 예측한다. 이 방법에서는 상품들간의 유사도를 계산하기 위하여 두 상품에 대해 선호도를 입력한 고객들의 정보를 사용한다. 그러나 고객들간의 유사도가 전혀 고려되지 않기 때문에 만약 특정 고객과 전혀 선호도가 비슷하지 않은 사용자들의 평가를 기반으로 한다면, 상품들간의 유사도가 정확 하지 않고 아울러 추천 시스템의 예측 능력과 추천 능력이 저하되는 문제점이 있다. 본 논문에서는 기존의 아이템 기반 협동적 필터링 기술의 문제점을 보완하고 추천 시스템의 예측 능력을 향상시키기 위하여 유사한 선호도를 가지는 고객들의 평가에 근거하여 상품들간의 유사도를 구하여 특정 상품에 대한 고객의 선호도를 예측하여 추천해 주는 기법을 제안한다. 본 논문에서 제안한 방법의 성능을 기존의 여러 다른 협동적 필터링 방법들과의 비교실험을 통해 평가하였다. 실험 결과 본 논문에서 제안한 방법이 기존의 다른 방법들보다 우수함을 확인할 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 1999년도 가을 학술발표논문집 Vol.26 No.2 (2)
• /
• pp.140-142
• /
• 1999

본 논문에서 구현하고자 하는 에이전트기반 전자도서관 시스템은 웹을 통해 도서정보를 검색하는 사용자들에 대한 도서 정보 관심도를 모니터 에이전트에 의해 추출하게 하고 해당 정보를 대상으로 학습 과정을 거쳐 사용자별 프로파일을 구축할 수 있게 한다. 이 과정에서 모니터 에이전트에서 추출되는 사용자 history와 학습예제 정보는 사용자가 행하는 다양한 작업의 결과 차별화된 중요도가 적용된다. 학습 에이전트를 통해 구축된 사용자 관심 정보는 각 사용자에게 세부 DB 추천 모듈과 관심 정보를 푸쉬해주는 에이전트에 적용된다. 본 시스템에서는 전자 도서관에 가입하는 사용자들의 공통된 그룹 정보를 관리하여 이를 통해 동일 그루내의 사용자들 사이의 정보 이용이 가능하게 하였다. 본 논문에서는 개인과 그룹을 대상으로 하는 모니터 에이전트와 학습 에이전트를 설정하여 도서관을 이용하는 사용자들에게 정확하고 신속한 정보를 제공하는 것을 목적으로 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1042-1045
• /
• 2013

정보기술의 발달로 전 세계에서 발생하는 사건 사고들은 실시간으로 확인 가능하며 정보의 중요성은 더욱 더 중요해지고 있다. 이런 사회 현상에 맞춰 인적자원 솔루션에서도 빅 데이터 분석 기술을 이용하여 인적자원 의사결정에 도움을 주는 기술이 필요하게 되었다. 따라서 본 논문에서는 빅 데이터 분석 기술을 이용하여 인사채용과 관련된 데이터들을 추출하고 분석하여 구직자의 적성과 능력에 맞는 직업을 예측하는 시스템을 설계하였다. 구직자 및 이직을 원하고 있는 사람들이 소셜 네트워크 서비스를 이용하면서 사용하고 있는 특정 단어와 특정 단어의 언급 빈도의 데이터를 추출하고 추출 된 데이터는 통계를 내어 데이터의 특성에 맞게 분류하여 분류된 데이터는 연관된 속성에 의해 그룹화 한다. 그룹화 된 정보를 분석하여 구직자의 적성과 능력을 고려한 직업을 예측하는 정보로 도출하여 직업을 추천 할 수 있는 예측 시스템을 설계하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권2호
• /
• pp.51-59
• /
• 2024

투자자는 수익의 극대화를 위해 언론사의 기사를 포함한 다양한 정보를 활용하여 투자 전략을 수립한다. 이에 국내 언론사에서도 신뢰도 있는 투자정보를 제공하기 위해, 애널리스트의 종목분석 보고서에 기초한 종목 추천기사를 게재하고 있다. 본 연구에서는 종목 추천기사 게재를 하나의 사건(event)으로 간주하고, XGBoost와 LightGBM 모델을 활용하여 기사 게재 10일 이후 가격의 상승 또는 하락을 예측하는 분류 모델을 제시한다. 또한, 전체 추천종목을 유가증권시장과 코스닥 시장 및 기업규모(대형/소형)에 따라 4가지로 분류하고, 하위 그룹에 따라 모델의 예측 정확도에 차이가 있는지 파악하고자 한다. 학습 결과 전체 모델의 분류 정확도는 XGBoost 75%, LightGBM 71%로 나타났고, 예측 정확도는 유가증권 시장 예측력이 코스닥시장 주식 대비 높게 나타났으며, 대형주의 예측력이 소형주 보다 높게 나타났다. 마지막으로, SHAP(Shapley Additive exPlanations) 분석을 통해 개별 모델의 예측에 중요한 변수를 살펴보고 모델의 해석력을 제고하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권9호
• /
• pp.659-668
• /
• 2010

협력적 여과 시스템은 새로운 사용자의 행위를 파악하고 사용자가 흥미로워할 아이템을 추천해주기 위해서 사용자들에 대한 새로운 정보를 필요로 한다. 이러한 정보를 획득하기 위하여 협력적 여과 시스템은 기존 데이터를 기반으로 학습을 하고, 그 결과에 따라 사용자에 대한 새로운 정보를 찾아낼 수 있다. 본 논문에서는 사용자에 대한 새로운 정보를 획득하기 위한 방법으로 귀납적 추리 방법을 제안하고, 추리된 사용자의 정보를 이용하여 아이템의 순위를 결정한다. 제안된 방법에서는 귀납적 기계 학습 방법인 NMF를 이용하여 사용자를 학습시켜서 모든 사용자들을 그룹으로 군집시키고, 각 그룹으로부터 카이제곱을 이용하여 그룹의 특징을 추출한다. 다음으로, 귀납 추리 방법의 하나인 베이지언 확률모델을 이용하여 새로운 사용자가 입력한 평가값과 각 그룹의 특징을 기반으로 사용자를 적합한 그룹으로 분류한다. 마지막으로, 사용자가 결측한 아이템을 대상으로 로치오(Rocchio) 알고리즘을 적용하여 아이템의 순위를 결정한다.

• 한국지능시스템학회논문지
• /
• 제14권2호
• /
• pp.142-149
• /
• 2004

많은 양의 유즈넷 뉴스 중에서 사용자가 찾고자 하는 정확한 정보를 빠른 시간 안에 검색하고, 원하는 정보만 필터링 하는 것은 중요하다. 그러나 뉴스 문서는 이메일과 달라서 미리 자신에게 맞는 뉴스그룹을 등록해 주어야만 정보를 얻을 수 있다. 하지만, 초보자인 경우는 어떤 뉴스그룹이 자신의 관심사와 관련이 있는지를 판단하기가 용이치 않다. 따라서, 본 연구에서는 다양한 뉴스그룹들 중에서 사용자의 취향과 유사한 뉴스그룹들을 코호넨 신경망을 이용하여 추천해주는 방법을 제공한다. 신경망을 학습시키기 위한 뉴스 문서의 키워드들을 선택하기 위해 예제 문서들로부터 후보 용어들을 추출하고 퍼지 추론을 적용하여 대표 용어들을 선택한다. 하지만 신경망의 학습패턴을 관찰해 보면, 많은 부분이 비어있는 희소성 문제를 발견할 수 있다. 이에 본 연구에서는 통계적인 결정계수를 도입하여 불필요한 차원을 제거한 후 신경망을 학습시키는 새로운 방법을 제안한다. 제안된 방법은 모든 차원을 활용할 때 보다 클러스터내 거리와 클러스터간 거리의 척도를 이용한 클러스터 중첩도 면에서 우수한 분류 성능을 보여줌을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권9호
• /
• pp.901-911
• /
• 2005

인터넷의 상업적 이용이 증가하고 인터넷에서 쉽게 얻을 수 있는 정보의 양이 풍성해지면서 정보 필터링 (information filtering) 기법은 대량의 정보 공간에서 사용자의 요구와 기호에 맞는 항목을 찾는 과정에 널리 사용되고 있다. 많은 협력필터링 (collaborative filtering) 시스템이 사용자 평가를 기반으로 사용자나 항목들 사이의 유사성을 찾아내고 이를 바탕으로 추천을 해왔지만 사용자 편향 (user bias), 비전이 연관 (non-transitive association), cold start 문제와 같이 성능을 높이기 위해 해결해야 할 문제들이 남아있다. 이 세 가지 문제는 사용자나 항목들 사이에 더 정확한 유사도를 찾아내는 과정에 장애가 된다. 본 논문에서는 이러한 문제들을 해결하기 위해 제안된 UCHM 및 ICHM 방법을 확률적으로 재해석하였다. 이 확률적 모델은 객체 (사용자 또는 품목)들을 그룹들로 구분하고 각 그룹 내에서 사용자 평가가 가우시안 분포를 따른다는 가정 하에 사용자들이 무엇을 선호할 것인지 예측한다. 실세계 자료에 대한 실험 결과, 제안된 방식이 다른 방식들과 비교할 만한 성능을 보인다는 것을 확인할 수 있었다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.2789-2791
• /
• 2001

데이터 마이닝을 통해 우리는 숨겨진 지식, 예상되지 않았던 경향 그리고 새로운 법칙들을 방대한 데이터에서 이끌어내고자 한다. 본 논문에서 우리는 사용자의 구매 패턴을 발견하여 사용자가 원하는 상품을 미리 예측하여 추천하는 알고리즘을 소개하고자 한다. 제안하고 있는 item dependency map은 구매된 상품간의 관계를 수식화 하여 행렬의 형태로 표현한 것이다. Item dependency map의 값은 사용자가 A라는 상품을 구매한 후 B상품을 살 확률이다. 이런 정보를 가지고 있는 item dependency map은 홉필드 네트윅(Hopfield network)에서 연상을 위한 패턴 값으로 적용된다. 홉필드 네트웍은 각 노드사이의 연결가중치에 기억하고자 하는 것들을 연상시킨 뒤 어떤 입력을 통해서 전체 네트워크가 어떤 평형상태에 도달하는 방식으로 작동되는 신경망 중의 하나이다. 홉필드 네트웍의 특징 중의 하나는 부분 정보로부터 전체 정보를 추출할 수 있는 것이다. 이러한 특징을 가지고 사용자들의 일반적인 구매패턴을 일부 정보만 가지고 예측할 수 있다. Item dependency map은 홉필드 네트윅에서 사용자들의 그룹별 패턴을 학습하는데 사용된다. 따라서 item dependency map이 얼마나 사용자 구매패턴에 대한 정보를 가지고 있는지에 따라 그 결과가 결정되는 것이다. 본 논문은 정확한 item dependency map을 계산해 내는 알고리즘을 주로 논의하겠다.

• 경영정보학연구
• /
• 제25권3호
• /
• pp.139-162
• /
• 2023

디지털 기술의 등장과 발전으로 기업은 디지털 기술을 공급-수요 사슬에 도입하여 관리하는 것이 필수적이 되었다. 그러나 이와 관련하여 여러 어려움, 그 중에서도 특히 디지털 공급-수요 사슬을 체계적으로 평가하는 어려움이 또한 늘고 있다. 그 이유는 산업계와 학계에 걸쳐 전반적으로 사용되는 표준화된 평가기준이 아직 부족하기 때문이다. 이에 따라, 본 논문에서는 사용자의 경험을 하나의 평가기준으로 제시하고자 한다. 따라서 세 개의 다른 포커스 그룹을 통해 데이터를 얻어 질적 분석 기법으로 연구하였다. 포커스 그룹 참여자들은 넷플릭스를 공급-수요 사슬의 예로 삼아 넷플릭스에 대한 사용 경험을 자유롭게 이야기 하였다. 넷플릭스는 디지털 콘텐츠, 즉 제품을 직접 소비자에게 전달하기 때문에 소비자의 일반적인 경험, 이 회사의 추천시스템에 대한 경험, 그리고 이와 관련된 정보 보안에 대한 인식이 매우 중요하다. 이러한 것들이 기존 고객의 만족도를 높이는 것은 물론, 새로운 고객의 유치에도 결정적인 역할을 할 수 있기 때문이다. 디지털 공급-수요 사슬에 대한 사용자의 일반적인 경험은 기업의 평가 척도에 중요하다. 또한 이러한 추천시스템과 이와 관련된 정보 보안은 디지털 공급-수요 사슬의 일부이다. 따라서 이에 대한 사용자의 경험과 인식을 측정하는 것은 디지털 공급-수요 사슬을 평가하는 데에 중요한 척도가 될 것이다.

• Journal of Nutrition and Health
• /
• 제56권5호
• /
• pp.573-588
• /
• 2023

본 연구는 2021년 식품소비행태조사 자료를 활용하여 20-50대 소비자들의 식생활라이프스타일(FRL)에 따른 SNS 이용 및 추천정보 활용 (SURU) 정도를 살펴보고, 이러한 FRL과 SURU간의 상호작용이 혼밥 및 방문 외식소비에 있어 어떤 영향을 미치는지를 분석하고자 하였다. 이를 위해 각각의 척도는 요인분석과 K-means 군집분석을 이용해 요인들을 추출하고 군집으로 분류하였으며, FRL에 따른 SURU 특성을 알아보기 위해 복합표본 교차분석과 일변량분석을 실시했으며, 혼밥 정도와 외식정도에 있어 FRL과 SURU의 영향을 알아보기위해 일변량분석을 이용하였다. 그 결과, FRL은 편의성추구, 합리적소비추구, 미식추구의 3가지 요인으로 추출되었으며, 이를 기반으로 합리적소비군, 편의적미식군, 스마트미식군으로 분류되었다. SURU는 한 가지 요인으로 추출되었으며, 점수에 따라 고·중·저 그룹으로 분류되었다. FRL에 따른 SURU 정도 및 SURU 그룹 비율의 차이를 살펴본 결과, 스마트미식군에 있어 점수가 가장 높았으며, SURU 그룹 비율에 있어 저 그룹에서는 합리적소비군, 중 그룹에서는 스마트미식군, 고 그룹에서는 편의적미식군과 스마트미식군이 유사한 수준으로 높게 나타났다. 혼밥에 있어서의 FRL과 SURU의 영향을 분석한 결과, 주효과와 상호작용 효과가 모두 유의하게 나타났다 (p < 0.01, p < 0.001). FRL 그룹 중 합리적소비군을 제외한 나머지 두 군집에서 SURU가 높아질수록 혼밥 정도가 높아졌는데 그 중 편의적미식군에 있어 증가 폭이 더 크게 나타났다. 외식정도에 대한 FRL과 SURU의 주효과와 상호작용 효과 역시 모두 유의하게 나타났다 (p < 0.01, p < 0.001). 모든 FRL 그룹에 있어 SURU 수준이 높아질수록 외식정도가 높게 나타났는데, 특히 합리적소비군에 비해 편의성과 미식성향이 나타나는 두 군집에 있어 더 가파르게 증가한 것으로 나타났다. 그 중에서도 스마트미식군에 있어 SURU 수준에 따라 방문 외식 정도가 더 급격히 증가하였다. 최근의 다변화, 다양화 되고있는 식생활에서 중요한 정보수집 도구이자 강력한 구전 수단인 SNS의 이용자에 대해 심층적으로 분석한 본 연구는 향후 식품 외식 SNS 관련 소비자 행동 연구 및 외식 소비자들의 시장세분화와 SNS를 이용한 마케팅 전략 수립에 있어 중요한 기초자료로 활용될 것으로 기대된다.