• Title/Summary/Keyword: 추천 성과

Search Result 1,717, Processing Time 0.033 seconds

데이터 마이닝을 이용한 인터넷 쇼핑몰 상품추천시스템

  • Kim, Gyeong-Jae;Kim, Byeong-Guk
    • Proceedings of the Korea Inteligent Information System Society Conference
    • /
    • 2005.05a
    • /
    • pp.258-265
    • /
    • 2005
  • 전자상거래의 확산에 따라 인터넷 쇼핑몰에서의 구매활동은 일반적인 현상이 되었다. 그 결과, 유사한 업종이나 업태의 인터넷 쇼핑몰이 범람하게 되었고 업체들 간의 경쟁도 심화되어 차별화된 서비스를 제공하지 않는 업체는 도태되기 쉬운 상황이다. 본 연구에서는 치열한 경쟁환경 하에서 인터넷 쇼핑몰의 차별화된 마케팅 서비스의 수단으로써 이용되고 있는 상품추천시스템의 개선된 모형을 제시하고자 한다. 본 연구에서 제안하는 모형은 전역 최적화 기법 중의 하나인 유전자 알고리즘을 데이터 마이닝의 도구로 활용한 인터넷 쇼핑몰에서의 개인화된 상품추천시스템 모형이다. 유전자 알고리즘은 추출하기가 어려운 소비자의 성향을 데이터를 통해 추출하고 이에 맞는 상품군을 선택할 수 있도록 해주는 최적화 기법으로 상품추천시스템의 추천엔진으로써 유용할 것으로 기대된다. 본 연구에서는 제안한 유전자 알고리즘에 기반한 추천 규칙들이 장착된 웹 기반의 개인화된 상품추천시스템의 프로토타입을 개발하고 이에 대한 실제 사용자들의 이용 만족도를 확인함으로써 본 연구에서 제안한 방법론의 유용성을 확인하고자 한다.

  • PDF

A Real-time Context Recognition Recommendation System Using Post-Filtering (사후 필터링기법을 사용한 실시간 상황 인식 추천 시스템)

  • Choi, Kwang-Hoon;Yu, Heonchang
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2018.10a
    • /
    • pp.493-496
    • /
    • 2018
  • 추천 시스템은 다양한 분야에 적용되는 기술로서 활발한 연구가 진행되고 있고 기존 추천 시스템의 성능을 높이기 위해서 더욱 개인화된 차세대 추천 시스템의 필요성이 대두되고 있다. 본 논문은 하이퍼 개인화 범주에 속하는 사후 필터링기법을 사용한 실시간 상황 인식 추천 시스템을 제안한다. 실시간 상황 인식 추천 시스템은 사용자 행동과 계속적인 동기화로 현재 상황에 가장 적합한 추천 목록을 생성하기 때문에 사용자 기반 협업 필터링 (User Based Collaborative Filtering), 콘텐츠 기반 필터링(Content-based Filtering), 특이값 분해(Singular Value Decomposition)보다 훨씬 미래 지향적인 추천 시스템이다.

A Research on Real Estate Recommendation Model Using Public Data (개인 맞춤형 부동산 추천 웹 서비스)

  • Kim, Do-hyung;Kim, Min-kyung;Park, Ye-rin;Park, Yoo-Min;Hwang, Ho-Young
    • Proceedings of the Korean Society of Computer Information Conference
    • /
    • 2021.07a
    • /
    • pp.93-96
    • /
    • 2021
  • 본 논문에서는 공공데이터를 이용한 개인 맞춤형 부동산 추천 방식을 제안한다. 이 추천 서비스는 기존의 가격 중심의 부동산 추천 방식이 아닌 개인이 원하는 요소 통해 부동산을 추천함으로써 사용자의 만족도를 높인다. 이 모델은 사용자가 실거주를 목적으로 하는 부동산 매물을 탐색하고자 할 때 거래 유형, 매물 유형, 가격 정보 뿐만 아니라 사용자가 자신의 주거지 근처에 형성되어 있길 원하는 편의 시설이나 기반시설, 치안 등의 환경 요소를 선택할 수 있도록 하고 선택된 요소들을 통합적으로 분석하여 주거지를 추천한다. 본 논문에서는 직접 구현한 서비스를 통해서 제안하는 새로운 맞춤형 부동산 추천 모델이 기존의 가격 중심의 부동산 추천 서비스보다 편의성 면에서 우수함을 보인다.

  • PDF

Cross-Domain Recommendation System in Complete Cold Start Problem (완전한 콜드 스타트 문제에서 교차 도메인 추천 시스템)

  • Nam, Gyuhyeon;You, Jaeseong;Chae, Gyeongsu
    • Annual Conference on Human and Language Technology
    • /
    • 2019.10a
    • /
    • pp.514-518
    • /
    • 2019
  • 기존의 교차 도메인 추천은 일반적으로 서로 다른 도메인 데이터의 지식 결합이나 지식 공유를 바탕으로 진행된다. 이러한 방식들은 최소 한 개 이상의 도메인 데이터가 필요해서 모든 도메인의 피드백 데이터가 없는 실제 서비스 초기 상황에는 적합하지 않을 수 있다. 따라서 본 논문에서는 서비스 초반 모든 도메인의 피드백 데이터가 없고 콘텐츠 데이터만 존재하는 상황에서 교차 도메인 추천 시스템을 효과적으로 시작하기 위해 텍스트 임베딩, 클러스터링, 프로파일링 및 콘텐츠 기반 필터링을 활용한 추천 시스템 구성을 제안하고자 한다. 평가를 위해 여행지, 지역 축제, 공연을 포함하는 문화 관광 데이터와, 이에 대한 사용자 프로파일링 결과를 바탕으로 추천을 진행하였다. 그 결과, 콘텐츠 임베딩에 대한 유사도를 시각화하여 교차 도메인 아이템 간 유사성을 확인할 수 있었고, 사용자별 추천 결과를 통해 제안한 교차 도메인 추천 시스템이 유의미하게 동작함을 보였다.

  • PDF

Improved Movie Recommendation System based-on Personal Propensity and Collaborative Filtering (개인성향과 협업 필터링을 이용한 개선된 영화 추천 시스템)

  • Park, Doo-Soon
    • KIPS Transactions on Computer and Communication Systems
    • /
    • v.2 no.11
    • /
    • pp.475-482
    • /
    • 2013
  • Several approaches to recommendation systems have been studied. One of the most successful technologies for building personalization and recommendation systems is collaborative filtering, which is a technique that provides a process of filtering customer information based on such information profiles. Collaborative filtering systems, however, have a sparsity if there is not enough data to recommend. In this paper, we suggest a movie recommendation system, based on the weighted personal propensity and the collaborating filtering system, in order to provide a solution to such sparsity. Furthermore, we assess the system's applicability by using the open database MovieLens, and present a weighted personal propensity framework for improvement in the performance of recommender systems. We successfully come up with a movie recommendation system through the optimal personalization factors.

A Prospective Extension Through an Analysis of the Existing Movie Recommendation Systems and Their Challenges (기존 영화 추천시스템의 문헌 고찰을 통한 유용한 확장 방안)

  • Cho Nwe Zin, Latt;Muhammad, Firdaus;Mariz, Aguilar;Kyung-Hyune, Rhee
    • KIPS Transactions on Computer and Communication Systems
    • /
    • v.12 no.1
    • /
    • pp.25-40
    • /
    • 2023
  • Recommendation systems are frequently used by users to generate intelligent automatic decisions. In the study of movie recommendation system, the existing approach uses largely collaboration and content-based filtering techniques. Collaborative filtering considers user similarity, while content-based filtering focuses on the activity of a single user. Also, mixed filtering approaches that combine collaborative filtering and content-based filtering are being used to compensate for each other's limitations. Recently, several AI-based similarity techniques have been used to find similarities between users to provide better recommendation services. This paper aims to provide the prospective expansion by deriving possible solutions through the analysis of various existing movie recommendation systems and their challenges.

Kingomanager: A Personalized Information-providing Application with a Recommendation System for University Students (Kingomanager: 추천시스템을 활용한 대학생 맞춤형 정보 제공 어플리케이션 개발)

  • Shingyu Kang;JunWoo Kim;ChoongHyeon Park;Hyungjoon Koo
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2023.05a
    • /
    • pp.532-533
    • /
    • 2023
  • 대학 생활을 하면서 자신이 필요한 정보를 모두 챙기기는 쉽지 않다. 매번 학교 홈페이지나 관련 사이트에 접속하여 확인하는 것은 번거롭기도 하고 신입생의 경우에는 그런 정보의 존재조차 잘 모르는 경우가 많다. 때문에 이 논문에서는 웹 크롤링 방식을 통해 다양한 사이트에서 필요한 정보를 수집하고, 기계학습 모델 중 N-GCN을 기반으로 한 추천시스템을 이용하여 본인에게 맞는 추천과목, 동아리 모집공고, 학술대회, 채용공고 등의 정보를 제공해주는 Kingomanager를 소개한다. Kingomanager는 학생들의 학년, 관심분야를 고려해서 개개인별 맞춤 정보를 추천해준다. 추천 받은 정보들은 메신저 형태의 어플리케이션을 통해서 확인할 수 있고, 해당 정보들은 언제든지 다시 검색하여 다시 찾아볼 수 있다. 어플리케이션 구현에서 Front-end는 React-Native를 사용하였고, Back-end는 Flask와 AWS 서비스를 사용하였다. 본 논문에서는 성균관대학교 소프트웨어학과 학생을 대상으로 하는 프로토타입 어플리케이션을 개발했다.

A Study on the Effect of Booth Recommendation System on Exhibition Visitors Unplanned Visit Behavior (전시장 참관객의 계획되지 않은 방문행동에 있어서 부스추천시스템의 영향에 대한 연구)

  • Chung, Nam-Ho;Kim, Jae-Kyung
    • Journal of Intelligence and Information Systems
    • /
    • v.17 no.4
    • /
    • pp.175-191
    • /
    • 2011
  • With the MICE(Meeting, Incentive travel, Convention, Exhibition) industry coming into the spotlight, there has been a growing interest in the domestic exhibition industry. Accordingly, in Korea, various studies of the industry are being conducted to enhance exhibition performance as in the United States or Europe. Some studies are focusing particularly on analyzing visiting patterns of exhibition visitors using intelligent information technology in consideration of the variations in effects of watching exhibitions according to the exhibitory environment or technique, thereby understanding visitors and, furthermore, drawing the correlations between exhibiting businesses and improving exhibition performance. However, previous studies related to booth recommendation systems only discussed the accuracy of recommendation in the aspect of a system rather than determining changes in visitors' behavior or perception by recommendation. A booth recommendation system enables visitors to visit unplanned exhibition booths by recommending visitors suitable ones based on information about visitors' visits. Meanwhile, some visitors may be satisfied with their unplanned visits, while others may consider the recommending process to be cumbersome or obstructive to their free observation. In the latter case, the exhibition is likely to produce worse results compared to when visitors are allowed to freely observe the exhibition. Thus, in order to apply a booth recommendation system to exhibition halls, the factors affecting the performance of the system should be generally examined, and the effects of the system on visitors' unplanned visiting behavior should be carefully studied. As such, this study aims to determine the factors that affect the performance of a booth recommendation system by reviewing theories and literature and to examine the effects of visitors' perceived performance of the system on their satisfaction of unplanned behavior and intention to reuse the system. Toward this end, the unplanned behavior theory was adopted as the theoretical framework. Unplanned behavior can be defined as "behavior that is done by consumers without any prearranged plan". Thus far, consumers' unplanned behavior has been studied in various fields. The field of marketing, in particular, has focused on unplanned purchasing among various types of unplanned behavior, which has been often confused with impulsive purchasing. Nevertheless, the two are different from each other; while impulsive purchasing means strong, continuous urges to purchase things, unplanned purchasing is behavior with purchasing decisions that are made inside a store, not before going into one. In other words, all impulsive purchases are unplanned, but not all unplanned purchases are impulsive. Then why do consumers engage in unplanned behavior? Regarding this question, many scholars have made many suggestions, but there has been a consensus that it is because consumers have enough flexibility to change their plans in the middle instead of developing plans thoroughly. In other words, if unplanned behavior costs much, it will be difficult for consumers to change their prearranged plans. In the case of the exhibition hall examined in this study, visitors learn the programs of the hall and plan which booth to visit in advance. This is because it is practically impossible for visitors to visit all of the various booths that an exhibition operates due to their limited time. Therefore, if the booth recommendation system proposed in this study recommends visitors booths that they may like, they can change their plans and visit the recommended booths. Such visiting behavior can be regarded similarly to consumers' visit to a store or tourists' unplanned behavior in a tourist spot and can be understand in the same context as the recent increase in tourism consumers' unplanned behavior influenced by information devices. Thus, the following research model was established. This research model uses visitors' perceived performance of a booth recommendation system as the parameter, and the factors affecting the performance include trust in the system, exhibition visitors' knowledge levels, expected personalization of the system, and the system's threat to freedom. In addition, the causal relation between visitors' satisfaction of their perceived performance of the system and unplanned behavior and their intention to reuse the system was determined. While doing so, trust in the booth recommendation system consisted of 2nd order factors such as competence, benevolence, and integrity, while the other factors consisted of 1st order factors. In order to verify this model, a booth recommendation system was developed to be tested in 2011 DMC Culture Open, and 101 visitors were empirically studied and analyzed. The results are as follows. First, visitors' trust was the most important factor in the booth recommendation system, and the visitors who used the system perceived its performance as a success based on their trust. Second, visitors' knowledge levels also had significant effects on the performance of the system, which indicates that the performance of a recommendation system requires an advance understanding. In other words, visitors with higher levels of understanding of the exhibition hall learned better the usefulness of the booth recommendation system. Third, expected personalization did not have significant effects, which is a different result from previous studies' results. This is presumably because the booth recommendation system used in this study did not provide enough personalized services. Fourth, the recommendation information provided by the booth recommendation system was not considered to threaten or restrict one's freedom, which means it is valuable in terms of usefulness. Lastly, high performance of the booth recommendation system led to visitors' high satisfaction levels of unplanned behavior and intention to reuse the system. To sum up, in order to analyze the effects of a booth recommendation system on visitors' unplanned visits to a booth, empirical data were examined based on the unplanned behavior theory and, accordingly, useful suggestions for the establishment and design of future booth recommendation systems were made. In the future, further examination should be conducted through elaborate survey questions and survey objects.

User's SNS Data-Based Scoring Scheme For Personalized Cosmetics Recommendation (개인 맞춤형 화장품 추천을 위한 사용자 SNS 정보 기반의 스코어링 기법)

  • Ha, Eunji;Moon, Jihoon;Hwang, Eenjun
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2016.10a
    • /
    • pp.386-389
    • /
    • 2016
  • 최근 남녀노소를 불문하고 피부 관리에 대한 관심이 증가하면서, 피부 개선에 효과적인 화장품의 선택에 관심이 높아지고 있다. 하지만 다양한 화장품들을 대상으로 자동화된 고객 맞춤형 화장품 추천은 그 발전이 더디고, 이와 관련된 연구 또한 아직 미미한 실정이다. 또한, 다양한 특성을 가지는 고객 피부 데이터 셋의 확보가 어려운 상황에서, 소수의 데이터 표본만을 이용하여 화장품 추천이 진행되고 있어 추천의 정확도를 확보하지 못하고 있다. 본 논문은 스마트폰용 휴대용 카메라를 이용하여 고객의 피부 상태를 진단한 후, 고객의 피부 개선에 적합한 화장품을 자동으로 추천하는 기법을 제안한다. 먼저, 화장품 추천을 위해 사용자의 SNS 데이터와 피부 데이터를 수집 및 분석하여 추천 리스트를 생성한다. 이를 기반으로, 추천된 각 화장품의 스코어를 계산한다. 그 다음, 피부 개선 순위와 스코어 기반의 화장품 특성 순위 간의 상관계수를 이용하여 가장 높은 상관계수의 화장품을 우선 추천한다. 성능 평가를 위해 실제 화장품 회사에서 제시한 화장품 추천 리스트와 본 논문에서 제안한 방법을 적용한 화장품 추천 리스트를 비교함으로써 효용성과 타당성을 입증하였다.

An Adaptive Recommendation System based on User Propensity (사용자 성향 기반 적응형 추천시스템)

  • Taehwan Kim;Seunghwa Lee;Jehwan Oh;Eunseok lee
    • Proceedings of the Korea Information Processing Society Conference
    • /
    • 2008.11a
    • /
    • pp.68-71
    • /
    • 2008
  • 웹 상에 정보가 폭발적으로 증가함에 따라 각 사용자에게 맞는 정보를 선별하여 제공하는 개인화 서비스는 매우 중요한 이슈가 되었다. 기존 추천시스템들은 컨텐츠 기반 필터링과 협업 필터링 기법을 기반으로 한다. 그러나 이러한 방법들은 충분히 수집된 사용자 정보를 필요로 하기 때문에, 적절한 추천이 이루어지기 까지 다소 시간이 소요되는 문제를 가지고 있다. 또한 사용자의 성향이 지나치게 편중되는 경우, 사용자의 취향변화를 반영하여 새로운 상품을 추천하는 것은 어렵다. 실제로 사용자들은 웹 사이트의 방문 목적에 따라 개인화된 상품추천을 원하기도 하고, 많은 사용자들에게 인기 있는 상품을 원하기도 한다. 본 논문에서는 사용자의 행동분석을 기반으로, 협업 필터링을 기반으로 하는 개인화된 추천과 다수의 사용자들에게 공통적으로 인기 있는 상품의 추천 비율을 동적으로 조합하여 최종 추천 상품들을 선별하는 새로운 적응형 추천 시스템을 제안한다. 본 논문에서는 MovieLens의 데이터 셋을 이용하여 기존 추천기법들과 추천결과에 대한 정확도를 비교 실험하였으며, 보다 높은 정확도를 보이는 실험결과를 통해 제안시스템의 유효성을 확인하였다.