• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.5-6
• /
• 2023

본 연구에서는 언텍트 소비가 일반화됨에 따라 소상공인들을 지원하기 위해 캡티브-포털을 활용하여 주문하는 등의 시스템을 구축하고 있으며, 이에 상권 내 방문자들의 주문 정보를 기반으로 개인의 선호나 취향을 고려하고 기존 방문 순서를 고려하여 다음 방문지를 추천할 수 있는 모델을 개발하고자 한다. 모델 개발을 위한 데이터셋으로는 캡티브-포털을 통해 수집되는 변수 항목과 유사한 위치기반 SNS 데이터인 Foursquare 데이터를 활용했다. 본 논문에서는 데이터셋의 변수 중 상호명을 기반으로 22개의 행동 유형 카테고리로 묶어 현재 행동 유형 이후에 다음에 이어질 행동 유형을 예측하는 것을 제안한다. 개인 별 세션 기반의 데이터셋을 LightMove 알고리즘을 활용하여 행동유형 예측을 임베딩 차원의 변경하여 실험한 결과 500차원에서 Top-5가 82.72의 성능을 보임을 확인했다. 향후 국내 상권에 맞는 방문지 추천 시스템이 개발된다면 방문지 추천을 활용하여 다양한 마케팅 전략을 수립이 가능해질 수 있고, 이를 통해 지역 상권이 활성화될 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10a
• /
• pp.333-336
• /
• 2000

인터넷이 발전하면서 인터넷을 이용한 여러 서비스들이 급속히 발달하고 있다. 이런 발전에 맞추어 사용자들은 적합한 상품을 선택하는 것이 점점 어려워지고 그에 따라 운영자들은 사용자들의 요구에 맞춰 원하는 상품을 쉽게 찾게 하여 매출을 올리는 노력을 하고 있다. 이런 노력의 일환으로 기존의 사용자 데이터를 바탕으로 사용자의 선호도를 예측하고 사용자의 선호도에 따라 개인에게 적합한 상품을 추천하는 협동적 방식의 추천 시스템이 개발되어 많이 사용되는 추세이다. 본 논문에서는 현재 사용되고 있는 협동추천 시스템의 문제점을 보완할 수 있는 방법을 제시하며 실험을 통해 기존에 비해 성능이 향상되고 있음을 보인다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2006.05a
• /
• pp.1290-1298
• /
• 2006

오늘날 B2B 전자상거래의 폭발적인 성장과 더불어 SCM상에서 e-Procurement의 중요성이 부각되고 있다. 그 중에서 다수의 구매자와 공급자가 참여하여 다양한 형태의 상거래를 수행하는 3자 관리 모델은 점차 시장이 확대되어 e-Procurement의 핵심요소로 여겨지고 있다. 하지만 현재의 e-Procurement의 3자 관리 모델은 방대한 제품 정보 중에서 구매자가 원하는 제품을 정확히 검색할 수 있는 기능이 미비하고 구매 물량에 따른 할인 가격과 공급자의 배송 정책을 고려한 납기일을 실시간으로 구매자에게 제공해 줄 수 있는 기능이 미흡한 실정이다. 또한 구매 프로세스의 주요 기능인 공급자의 선택에 있어 공급자에 대한 신뢰성이 결여되어 구매자의 비즈니스 요구사항을 채워주지 못하고 있다. 본 연구에서는 이러한 e-Procurement의 3자 관리 모델의 문제점을 해결하고 발전시키기 위해 (1)구매자의 제품 검색 시 시맨틱 웹을 이용한 카테고리 기반 검색 기법과 (2)비즈니스 룰과 웹서비스 기반으로 공급자의 가격 정책, 배송 정책에 따른 납기일을 고려한 검색, (3)구매자와 공급자의 단일 거래에 대한 서비스 품질을 측정하여 구매자에게 공급자의 신뢰성을 보장하는 제품 추천 e-Procurement 시스템을 제안한다.

• KIISE Transactions on Computing Practices
• /
• v.23 no.7
• /
• pp.440-445
• /
• 2017

Due to the advance of e-commerce systems, the number of people using online shopping and products has significantly increased. Therefore, the need for an accurate recommendation system is becoming increasingly more important. Recurrent neural network is a deep-learning algorithm that utilizes sequential information in training. In this paper, an evaluation is performed on the application of recurrent neural networks to recommendation systems. We evaluated three recurrent algorithms (RNN, LSTM and GRU) and three optimal algorithms(Adagrad, RMSProp and Adam) which are commonly used. In the experiments, we used the TensorFlow open source library produced by Google and e-commerce session data from RecSys Challenge 2015. The results using the optimal hyperparameters found in this study are compared with those of RecSys Challenge 2015 participants.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.07a
• /
• pp.142-145
• /
• 2010

본 논문에서는 사용자의 12가지 감성 정보와 음악의 8가지 무드 카테고리를 기반으로 음악을 추천해주는 시스템을 구현하였다. 사용자의 감성과 음악의 무드를 기반으로 음악을 검색하기 위해 전공자 집단 5명과 비전공자 집단 13명, 총 18명으로부터 감성 히스토리 정보와 무드 분류 정보를 얻었다. 감성 히스토리 정보는 참여자가 자신의 감성 정보를 지정하고 어떤 음악을 들었는지를 나타내며, 무드 분류 정보는 각 곡이 어떤 무드를 갖는지를 나타낸다. 위에서 얻어진 정보를 바탕으로 사용자의 감성 정보를 기반으로 3가지 각기 다른 추천 알고리즘을 구현했다. 첫 번째 알고리즘은 사용자 감성 정보를 기반으로 얻어진 유사도 곡 리스트 중 1위곡의 무드 정보를 이용하여 음악을 추천한다. 두 번째 알고리즘은 첫 번째 알고리즘에서 1위곡부터 20위곡까지의 무드 정보를 이용하여 음악을 추천한다. 마지막 추천 알고리즘은 사용자 감성 정보를 기반으로 얻어진 유사도 곡 리스트를 등록된 사용자들이 가장 많이 들었던 순서대로 정렬하여 음악을 추천한다.

• Journal of the Korea Society of Computer and Information
• /
• v.19 no.1
• /
• pp.111-118
• /
• 2014

Current friend recommendation system on Twitter primarily recommends the most influential twitter. However, this way of recommendation has drawbacks where it does not recommend the users of which attributes of interests are similar to theirs. Since users want other users of which attributes are similar, this study implements follower recommendation system based on the similarity of twitter node informations. The data in this study is from SNAP(Stanford Network Analysis Platform), and it consists of twitter node information of which number of followers is over 10,000 and twitter link information. We used the SNAP data as a training data, and generated a classifier which recommends and predicts the relation between followers. We evaluated the classifier by 10-Fold Cross validation. Once two twitter node informations are given, our model can recommend the relationship of the two twitters as one of following such as: FoFo(Follower Follower), FoFr(Follower Friend), NC(Not Connected).

• Journal of the Korea Society of Computer and Information
• /
• v.29 no.1
• /
• pp.273-285
• /
• 2024

With the active utilization of Online Judge (OJ) systems in the field of education, various studies utilizing learner data have emerged. This research proposes a problem recommendation based on a user-based collaborative filtering approach with learner data to support learners in their problem selection. Assistance in learners' problem selection within the OJ system is crucial for enhancing the effectiveness of education as it impacts the learning path. To achieve this, this system identifies learners with similar problem-solving tendencies and utilizes their problem-solving history. The proposed technique has been implemented on an OJ site in the fields of algorithms and programming, operated by the Chungbuk Education Research and Information Institute. The technique's service utility and usability were assessed through expert reviews using the Delphi technique. Additionally, it was piloted with site users, and an analysis of the ratio of correctness revealed approximately a 16% higher submission rate for recommended problems compared to the overall submissions. A survey targeting users who used the recommended problems yielded a 78% response rate, with the majority indicating that the feature was helpful. However, low selection rates of recommended problems and low response rates within the subset of users who used recommended problems highlight the need for future research focusing on improving accessibility, enhancing user feedback collection, and diversifying learner data analysis.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2003.11c
• /
• pp.1719-1722
• /
• 2003

최근에는 데이터마이닝(DataMining)이나 고객관계관리(Customer Relationship Management) 시스템 등을 이용하여 고객을 유치, 관리 및 서비스를 해오고 있으나, 이러한 시스템을 개발하고 관리하는데 있어서는 과다한 비용과 시간이 소요되는 점과 관리자가 시스템을 올바르게 이해하고 관리하는데 어려움이 따른다. 본 논문은 구매자와 유사한 신상정보를 지닌 사용자들로부터 선호하는 상품에 대해 추천을 받을 수 있으며, 하나의 상품에서도 여러 특성을 지니고 있다는 점을 고려하여 사용자의 구매 상품에 대한 특성을 파악하여 보다 정확하게 추천해 줄 수 있는 시스템을 개발하는데 그 목적이 있다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2004.11a
• /
• pp.313-320
• /
• 2004

시장 환경의 전반적인 변화로 인하여 시장 규제가 완화되고 그로 인한 경쟁사가 늘어나고 있고, 공급자 중심의 시장에서 구매자 중심의 시장으로 변화되어 가고 있다. 이에 기업들은 고객과의 관계를 강화하기 위해 CRM을 중요한 해법으로 생각하여 다양한 방법으로 고객만족을 높이는데 주력하고 있다. 또한 정보기술의 발달로 인해 웹 상에서의 eCRM이 출현되었고 웹 상에서 고객의 데이터를 분석하여 적시에 고객의 니즈에 맞는 서비스를 제공해주는 Recommendation system 을 개발하여 좀더 향상된 eCRM 으로 원투원 마켓팅을 통해 판매 강화 및 고객만족도 제고를 실현할 수 있도록 발전되어왔다. 이중 eCRM의 Recommendation Engine은 고객의 니즈를 발견해내어 그에 맞는 다양한 상품들을 추천하는 시스템으로 Rule 기반의 컨텐츠 매칭 기법과 Collaborative Filtering 기법을 사용하였다. 그러나 이 기법들은 미리 정해진 Rule에 의해 사전적인 대응을 하지 못한다는 문제점과 비정형적인 정보 및 환경정보에 복합적인 판단이 고객중심의 현재 상황에 따라 이루어지지 못한다는 문제점을 가지고 있다 이에 본고에서는 이 문제에 대한 해결안으로써 Ontology를 이용한 실시간 추천시스템을 모델로 제시하고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.14-18
• /
• 2002

전자상거래가 점차 활성화됨에 따라 다양한 형태의 쇼핑몰들이 구축되고 있으나, 구매자가 상품을 구입하는데 있어 구매자 기호와 요구에 적합한 상품을 검색하기에는 미흡한 실정이다. 따라서, 본 논문에서는 CBR(Case Based Reasoning)과 RBR(Rule Based Reasoning)을 통합한 검색에이전트와 사용자 프로파일과 선호도를 관리하는 사용자 에이전트로 이루어진 멀티 에이전트를 이용하는 CARUBA 시스템을 설계하고, 검색에이전트가 사용자에이전트에서 보낸 정보를 이용하여 유사도를 산출하여 구매자의 요구에 적합한 상품을 신속하게 추천할 수 있는 방법을 제안한다