• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.

• 지능정보연구
• /
• 제25권1호
• /
• pp.139-161
• /
• 2019

전자상거래 시장의 이용이 보편화 되며 고객들에게 좋은 품질의 물건을 어디서, 얼마나 합리적으로 구매할 수 있는지가 중요해졌다. 이러한 구매 심리의 변화는 방대한 정보 속에서 오히려 고객들의 구매 의사결정을 어렵게 만드는 경향이 있다. 이때 추천 시스템은 고객의 구매 행동을 분석하여 정보 검색에 드는 비용을 줄이고 만족도를 높이는 효과가 있다. 하지만 대부분 추천 시스템은 책이나 영화 등 동종 상품 분류 내에서만 추천이 이뤄진다. 왜냐하면 추천 시스템은 특정 상품에 매긴 구매 평점 데이터를 기반으로 해당 상품 분류 내 유사한 상품에 대한 구매 만족도를 추정하기 때문이다. 그밖에 추천 시스템에서 사용하는 구매 평점의 신뢰성에 대한 문제도 제시되고 있으며 오프라인에선 평점 확보 자체가 어렵다. 이에 본 연구에서는 일련의 문제를 개선하기 위해 RFM 다차원 분석 기법을 활용하여 기존에 사용하던 고객의 구매 평점을 객관적으로 대체할 수 있는 새로운 지표의 활용 가능성을 제안하는 바이다. 실제 기업의 구매 이력 데이터에 해당 지표를 적용해서 검증해본 결과 높게는 약 55%에 해당하는 정확도를 기록했다. 이는 총 4,386종에 달하는 이종 상품들 중 한번도 이용해 본 적 없는 상품을 추천한 결과이기 때문에 검증 결과는 상대적으로 높은 정확도와 활용가치를 의미한다. 그리고 본 연구는 오프라인의 다양한 상품데이터에서도 적용할 수 있는 범용적인 추천 시스템의 가능성을 시사한다. 향후 추가적인 데이터를 확보한다면 제안하는 추천 시스템의 정확도 향상도 기대할 수 있다.

• 한국빅데이터학회지
• /
• 제7권2호
• /
• pp.173-193
• /
• 2022

데이터 3법 개정에 따라 새롭게 금융분야 마이데이터 산업이 도입되었다. 마이데이터 서비스는 맞춤형 금융상품 비교/추천, 맞춤형 소비 조언 등 개인 맞춤형 서비스를 제공한다. 2022년부터 마이데이터 서비스가 시작되었지만 현재 서비스 이용은 크게 활성화되지 못하고 있다. 본 연구는 개인 맞춤형 금융상품 비교/추천 등 금융 소비자 관점에서 마이데이터 서비스 이용에 미치는 요인에 대해 가치기반수용모델을 통해 연구하고자 했다. 이익(Benefit)과 희생(Sacrifice) 변수를 이용하여 금융 소비자들이 갖는 마이데이터 서비스에 대한 지각된 가치와 이용 의도와 관련된 요인을 검증하였다. 조절변수로는 개인 혁신성을 이용하였다. 연구 결과, 맞춤형 상품 비교/추천 서비스는 금융 소비자의 마이데이터 서비스 이용 의도에 중요한 영향을 준다는 것을 알 수 있었고, 개인 혁신성이 조절변수로서 영향을 준다는 것을 알 수 있었다. 마이데이터 서비스 시행 후, 1년이 경과하지 않은 시점에서 소비자의 인지된 가치를 연구하였기에 시기적으로 선행 연구로서 의의가 있다고 할 수 있다. 또한 실무적으로는 마이데이터 서비스의 방향성과 마케팅 소구점을 확인할 수 있었다.

• 정보처리학회논문지B
• /
• 제19B권4호
• /
• pp.231-236
• /
• 2012

소비자 행동이론에 따르면 사람의 성향은 향상초점과 예방초점이라는 두 가지 조절초점 유형으로 나누어지며, 이 두 가지 성향은 다양한 영역에 있어서 소비자의 의사결정에 많은 영향을 미치는 것으로 알려져 있다. 본 연구에서는 개인화 추천에서 Cold Start 문제의 최소화 및 추천 알고리즘 성능 개선을 위하여 조절초점이론을 적용한다. 이를 위하여, 웹쇼핑 로그로부터 소비자 별 행동변수, 정보탐색활동성 지수를 추출하고 이를 활용한 소비자 조절초점성향 분류 방법을 제안한다. 본 연구는 사회과학/IT 융합 연구로서 소비자행동 이론의 시스템화 가능성을 입증하였다는 점에 있어서 의의를 지니며, 향후 다양한 분야의 이론들을 적용한 IT 서비스에 대한 연구로 확장하고자 한다.

• 한국콘텐츠학회논문지
• /
• 제7권4호
• /
• pp.66-73
• /
• 2007

인터넷과 웹이 일상생활의 일부가 되면서 온라인상에는 방대한 양의 정보가 쌓이게 되었다. 이러한 흐름 속에서 정보의 양은 급속도로 늘어나는 현상을 보이며, 개인화를 통해 수많은 데이터들 사이에서 원하는 정보를 자동으로 찾아내는 기술의 중요성이 부각되고 있다. 현재 사용하는 필터링 중에서 콘텐츠를 중심으로 분석하여 사용자에게 추천하는 기법인 내용기반 필터링과 사용자와 유사한 선호도를 가진 사용자 군집의 선호도에 따라 새로운 사용자가 관심을 가질 것으로 생각되는 콘텐츠를 추천해 주는 기법인 협력적 필터링 기법이 있다. 그러나 협력적 필터링 방법으로 추천 받기 위해서는 특정 수 이상의 아이템에 대한 평가가 필요하며, 또한 비슷한 성향을 가지는 일부 사용자 정보에 근거하여 추천함으로써 나머지 사용자 정보를 무시하는 경향이 있다. 따라서 특정 수 이상의 선호정보가 준비되지 않은 사용자들에 대해서도 적절한 추천방법이 필요하다. 본 논문에서는 기존의 필터링들을 조합하고 좀 더 편리하게 정보를 공유하고 학습할 수 있는 시맨틱 웹에서 개인화된 선호도를 이용한 의상코디 시스템을 개발하였다. 이 시스템을 웹에서 제공한 결과 불필요한 검색시간이 줄어들고 사용자의 피드백을 통해 점차 만족도가 향상됨을 알 수 있었다.

• 한국컴퓨터산업학회논문지
• /
• 제2권9호
• /
• pp.1175-1182
• /
• 2001

원투원 마케팅(데이터베이스 마케팅 또는 관계 마케팅)은 컴퓨터의 발전과 더불어 기업 및 고객에게 이익을 가져올 것이며, 또한 고객의 세일 및 광고에 변화를 가져올 여러 분야 중의 하나이다. 인터넷 쇼핑몰에서 지능적인 고객 서비스의 일환으로, 본 논문에서는 데이터 마이닝 기법으로 잘 알려진 장바구니 분석을 이용한 개인화 된 광고를 제공하는 기법을 제시하고자 한다. 추천 기법의 핵심적인 이론으로 통계학, 데이터 마이닝, 인공 지능, 규칙 기반 매칭 등이 있다. 개인화 된 추천을 위한 규칙 기반 관점에서, 개인화를 위한 마케팅 규칙은 일반적으로 마케팅 전문가로부터 추출되어 고객의 데이터를 갖고 추정한다. 그러나 마케팅 전문가로부터 규칙을 추출하기란 매우 어려울 뿐만 아니라, 작성된 지식 기반 규칙을 검증하고 유지하기도 어렵다. 본 논문에서는 장바구니 분석 기법을 이용하여, 크로스 세일 마케팅 규칙을 추출한 뒤, 고객이 인터넷 쇼핑몰에 방문했을 때 개인화 된 광고를 제공하는데 초점을 두기로 한다.

• 한국지능시스템학회논문지
• /
• 제12권5호
• /
• pp.385-392
• /
• 2002

기존의 동적 추천 시스템에서 사용하는 개인화 기법은 주로 혈업 필터링 방식으로서 다른 사용자들에 대한 평가 정보를 이용하여 동적 링크를 제공하기 때문에 사용자가 고려하지 못한 아이템들을 추천한다는 장점을 갖고 있다. 그러나 협업필터링 과정은 현재 사용자와 가장 유사한 패턴을 보이는 사용자를 선택하기 위해 전체 사용자와의 유사도를 재 계산해야 한다는 계산의 복잡성과 사용자 프로화일의 정보가 현 사용자의 키워드 입력 시점에서 동적으로 갱신되지 않기 때문에 오류정보가 포함될 수 있다는 문제점이 있다. 보 논문에서는 유사한 선호도를 보이는 사용자를 대상으로 군집분석을 수행함으로서, 이웃 사용자를 선택하는 과정을 단순화할 수 있고 또한 베이지안 학습을 이용하여 사용자의 선호도를 동적으로 갱신할 수 있는 알고리즘을 설계하고 구현하였다. 사용자의 키워드가 입력되는 순간 사전 데이터와 사후 데이터가 선호도 확률에 동적으로 반영됨으로써 오류정보를 최소화한다. 이렇게 설계된 시스템은 실험을 통해 웹 도서 추천시스템에 적용되어 사용자의 만족도를 증가시킬 수 있음을 보인다.

• 지능정보연구
• /
• 제8권2호
• /
• pp.139-157
• /
• 2002

본 연구에서는 기존 협업 필터링의 문제점을 해결할 수 있는 효율적인 상품추천 방법론을 제시하고자 한다. 연구에서 제시하는 상품추천 방법론은 기존 협업 필터링 알고리즘의 데이터 희박성 문제 및 동의어 문제를 극복하기 위하여 판매 데이터로 구성된 제품 계층도(Product Taxonomy)를 이용하며, 이 계층도를 기반으로 한 연관 규칙(association rule)과 의사결정 나무를 사용한다. 본 연구에서는 제시한 방법론을 단계별로 설명하였을 뿐만 아니라, 실제 H 백화점 데이터를 이용하여 적용하였다. 다양한 경우에 대하여 실험을 한 결과, 기존의 협업 필터링 알고리즘이 갖고있는 문제점을 상당히 해결하였음을 제시하였다. 이 연구에서 제시한 상품 추천 방법론은 현재 기업이 직면한 경쟁환경 하에서 고객이 과연 누구이며, 고객이 진정 무엇을 원하고 있는지를 파악하는데 도움을 줄 것이며, 고객관계관리 (CRM)를 효율적으로 구현하는 방법론으로 사용될 것으로 기대된다.

• 지능정보연구
• /
• 제17권1호
• /
• pp.139-152
• /
• 2011

1990년대 중반에 협업 필터링의 출현으로 인하여 추천시스템에 관련된 연구가 늘어나게 되었다. 협업 필터링의 출현 이후 내용 기반 필터링, 협업 필터링과 내용 기반 필터링이 혼합된 하이브리드 필터링 등 새로운 기법들이 출현함으로써 2000년대에는 추천시스템의 연구가 눈에 띄게 증가하였다. 하지만 현재까지 추천시스템에 관련된 문헌들에 대한 리뷰와 분류가 체계적으로 되어있지 않다. 이와 같은 문제에 대한 해결방안으로써, 본 연구에서는 2001년부터 2010년도까지의 추천시스템에 관련된 문헌들 중 MIS Journal Ranking의 125개의 저널에서 추천시스템(Recommender system, Recommendation system), 협업 필터링(Collaborative Filtering), 내용 기반 필터링(Content based Filtering), 개인화 시스템(Personalized system) 등의 5가지 키워드로 제한하여 조사하였다. 총 37개의 저널에서 논문을 검색하였으며, 검색되어진 논문을 분석한 결과 추천시스템과 관련이 없는 논문을 제외한 총 187개의 논문을 선정하여 분석하였다. 이 연구에서는 그러나 컨퍼런스 논문, 석사, 박사학위 논문, 영어로 작성되지 않은 논문, 완성되지 않은 논문 등은 제외하였다. 본 연구에서는 187개의 논문을 분석하여 2001년부터 2010년까지의 각각의 년도 별 추천시스템의 연구에 대한 동향 분석, Journal별 추천시스템의 게재 분류, 추천시스템 어플리케이션의 사용 분야(책, 문서, 이미지, 영화, 음악, 쇼핑, TV 프로그램, 기타)별 분류 및 분석, 추천시스템에 사용된 데이터마이닝 기술(연관 규칙, 군집화, 의사 결정나무, 최근접 이웃 기법, 링크 분석 기법, 신경망, 회귀분석, 휴리스틱 기법)별 분류 및 분석을 수행하였다. 따라서 본 연구에서 제안한 각각의 분류 및 분석 결과들을 통하여 현재까지 추천시스템의 연구에 대한 연구 동향을 파악 할 수 있었으며, 분석결과를 통해 추천시스템에 관심이 있는 연구자와 전문가에게 미래의 추천시스템의 연구에 대한 가이드라인을 제시 할 수 있을 것이라고 기대한다.

• 인터넷정보학회논문지
• /
• 제10권1호
• /
• pp.111-121
• /
• 2009

본 논문에서는 사용자의 재생 시간을 이용한 멀티미디어 추천 시스템을 제안한다. 제안하는 시스템은 사용자에 의해 요청된 멀티미디어 콘텐츠와 그것이 재생된 시간을 기록하고, 기록된 데이터를 가지고 퍼지 연관규칙 탐사 방법을 이용하여 사용자가 관심을 보일 만한 멀티미디어 콘텐츠와 사용자에 의해 재생된 시간에 기반하여 선호 등급을 예측한다. 제안하는 방법은 사용자의 선호 정보를 별도로 입력 받지 않고도 예측된 선호 등급에 따라서 추천 목록에 대한 선호정도를 예측할 수 있으며, 거짓된 선호 정보의 유입을 방지하는 장점이 있다. 유효성 검증을 위해 제안하는 시스템을 구현하고 실험한 결과, 사용자로부터 입력 받은 선호 정보를 포함하지 않은 트랜잭션으로부터 사용자가 높은 선호도를 보일 것이라 예상되는 추천 목록을 선별하여 추천 시스템에 적용할 수 있음을 확인하였다.