• 한국경영과학회지
• /
• 제29권2호
• /
• pp.59-75
• /
• 2004

Recommendation is a personalized information filtering technology to help customers find which products they would like to purchase. Collaborative filtering works by matching customer preferences to other customers in making recommendations. But collaborative filtering based recommendations have two major limitations, sparsity and scalability. To overcome these problems we suggest using adjusted product hierarchy, grain. This methodology focuses on dimensionality reduction and uses a marketer's specific knowledge or experience to improve recommendation quality. The qualify of recommendations using each grain is compared with others by several experimentations. Experiments present that the usage of a grain holds the promise of allowing CF-based recommendations to scale to large data sets and at the same time produces better recommendations. In addition. our methodology is proved to save the computation time by 3∼4 times compared with collaborative filtering.

• 지식경영연구
• /
• 제18권4호
• /
• pp.97-118
• /
• 2017

Thanks to the development of social media, general users become information and knowledge providers. But customers also feel difficulty to decide their purchases due to numerous information. Although recommender systems are trying to solve these information/knowledge overload problem, it may be asked whether they can honestly reflect customers' preferences. Especially, customers in book market consider contents of a book, recency, and price when they make a purchase. Therefore, in this study, we propose a methodology which can reflect these characteristics based on topic modeling and provide proper recommendations to customers in book market. Through experiments, our methodology shows higher performance than traditional collaborative filtering systems. Therefore, we expect that our book recommender system contributes the development of recommender systems studies and positively affect the customer satisfaction and management.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.273-280
• /
• 2003

추천 시스템은 구매할 상품을 사용자가 찾는 것을 도와주는 시스템이다. 추천 시스템에서 사용되고 있는 여러 가지 방법 중에 대표적인 방법인 협력적 여과는 유사한 사용자들에 기초하여 그 사용자들이 선호하는 상품을 교차 추천해주는 방법이다. 사용자들에 대한 정보는 상품을 평가한 등급에 기초하고, 유사한 사용자는 평가 패턴의 유사성으로 판단된다. 순수한 협력적 여과는 사용자가 증가함에 따라서 평가 자료의 차원이 증가한다. 평가 자료의 고차원성은 자료의 희소성을 증가시켜 협력적 여과의 성능이 저하되는 문제점을 가지고 있다. 따라서, 본 논문에서는 SVD를 이용하여 평가 자료의 차원을 감소시켜 희소성을 최소화하는 방법을 고찰하며, 협력적 여과에 미치는 영향을 실험적으로 제시한다. 결과적으로 SVD를 이용한 협력적 방법은 순수한 협력적 여과 방법과 비교하여 충분히 정확한 성능을 보였다.

• Journal of Information Technology Applications and Management
• /
• 제24권4호
• /
• pp.1-12
• /
• 2017

Item-based collaborative filtering (IBCF) is an important technology that is widely used in recommender system of online shopping malls. It uses historical information to compute item-item similarity and make predictions. However, in offline shopping each customer's purchasing pattern can be occurred continuously and repeatedly due to time and space constraints contrast to online shopping. Those facts can make IBCF to have limitations from being applied to offline shopping malls directly. In order to improve the quality of recommendations made by IBCF in offline shopping mall, we propose an ensemble approach that considers both item-item similarity of IBCF and each customer's purchasing patterns which are modeled by item networks. Our experimental results show that this approach produces recommendation results superior to those of existing works such as pure IBCF or bestseller approaches.

• 지능정보연구
• /
• 제9권3호
• /
• pp.177-191
• /
• 2003

상품추천시스템은 고객들에게 추천 상품 리스트를 만들어 고객들이 구매 가능성이 있는 상품을 쉽게 찾도록 도와주는 개인화 된 정보필터링 기술이다 협업 필터링(collaborative filtering)이 가장 성공적인 상품추천 기법으로 알려져 있으며 많이 이용되고 있다. 그러나, 인터넷 쇼핑몰에서 관리하는 상품과 고객의 수가 급속히 증가하면서 협업필터링에 기반 한 상품추천 시스템은 입력데이터의 희박성(Sparsity) 문제와 시스템 확장성(Scalability) 문제가 노출되고 있다. 따라서 본 연구에서는 협업필터링 기반 상품추천시스템의 상품추천 효과 및 성능을 개선하기 위해 웹 마이닝과 군집분석 기법에 기반을 둔 개인별 상품추천 방법론을 개발한다. 또한 실제 인터넷 쇼핑몰에서 개인별로 상품을 추천할 때 개발된 상품추천 방법론을 적용하여 다른 기존 상품추천 방법론과 실험적으로 비교함으로써 개발 방법론의 효과 및 성능을 검증한다.

• Asia pacific journal of information systems
• /
• 제15권1호
• /
• pp.63-79
• /
• 2005

Recommender systems are a personalized information filtering technology to help customers find the products they would like to purchase. Collaborative filtering is known to be the most successful recommendation technology, but its widespread use has exposed some problems such as sparsity and scalability in the e-business environment. In this paper, we propose a recommendation system, WebCF-PT based on Web usage mining and product taxonomy to enhance the recommendation quality and the system performance of traditional CF-based recommender systems. Web usage mining populates the rating database by tracking customers' shopping behaviors on the Web, so leading to better quality recommendations. The product taxonomy is used to improve the performance of searching for nearest neighbors through dimensionality reduction of the rating database. A prototype recommendation system, WebCF-PT is developed and Internet shopping mall, EBIB(e-Business & Intelligence Business) is constructed to test the WebCF-PT system.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2003년도 춘계학술대회
• /
• pp.416-425
• /
• 2003

Recommender systems are a personalized information filtering technology to help customers find the products they would like to purchase. Collaborative filtering (CF) has been known to be the most successful recommendation technology. However its widespread use in e-commerce has exposed two research issues, sparsity and scalability. In this paper, we propose several hybrid recommender procedures based on web usage mining, clustering techniques and collaborative filtering to address these issues. Experimental evaluation of suggested procedures on real e-commerce data shows interesting relation between characteristics of procedures and diverse situations.

• Asia pacific journal of information systems
• /
• 제27권2호
• /
• pp.126-138
• /
• 2017

The proliferation of items increased the difficulty of customers in finding the specific items they want to purchase. To solve this problem, companies adopted recommender systems, such as collaborative filtering systems, to provide personalization services. However, companies use only meaningful and essential data given the explosive growth of data. Some customers are concerned that their private information may be exposed because CF systems necessarily deal with personal information. Based on these concerns, we analyze the effects of the amount of information on recommendation performance. We assume that a customer could choose to provide overall information or partial information. Experimental results indicate that customers who provided overall information generally demonstrated high performance, but differences exist according to the characteristics of products. Our study can provide companies with insights concerning the efficient utilization of data.

• 한국문헌정보학회지
• /
• 제37권4호
• /
• pp.113-130
• /
• 2003

우리나라의 도서관들은 전자도서(e-Book)를 하나의 새로운 도서관자료의 유형으로 수용하여 이용자에게 정보서비스를 실시하고 있다. 우선, 본 연구에서는 이러한 전자도서에 대한 잘못된 인식들과 전자도서의 가격결정의 구조를 살펴보고자 한다. 이를 바탕으로 일부 도서관 및 정보서비스기관에서 주장하는 전자도서 관련 기술 통합의 오류를 (1)판독기 및 저작권인증관리기술 통합 논의의 오해, (2)산업 구조상 유통기술 통합에 대한 잘못된 인식, (3)전자도서 관련 기술들의 본질에 대한 분석, (4)지속적인 기술개발로 이용자의 불편 해소라는 측면에서 다루고자 한다. 이 결과들을 근거로 전자도서의 공동구매에 대한 문제점을 도출하고, 아울러 바람직한 전자도서의 수서 및 유통 전략을 제시하고자 한다.

• 한국통신학회논문지
• /
• 제41권7호
• /
• pp.768-774
• /
• 2016

본 논문에서는 개인화 서비스를 제공하기 위해 책, 음악, 영화 등과 같이 단일 항목을 추천하는 기존 방법의 한계를 극복하고, 패션, 요리 등과 같이 연관성에 따른 항목의 조합, 즉 그룹을 추천하는 방법을 다룬다. 협업 필터링은 사용자 간의 유사도를 측정하여 비슷한 성향의 사용자들이 선택한 항목을 추천하는 방법이며, 사용자의 성향을 예측할 수 있다는 장점이 있다. 본 논문에서는 이러한 협업 필터링과 연관 규칙을 바탕으로 빈발 항목 집합을 생성하고, 그룹 간의 유사도에 따라 그룹을 추천하는 알고리즘을 제안한다. 제안하는 방법의 타당성을 검증하기 위하여 의류 전자상거래에서 4개월 동안 소비자가 구매한 목록 데이터로 실험을 수행하였다.