• Journal of the Korean Data and Information Science Society
• /
• 제21권1호
• /
• pp.185-194
• /
• 2010

In recommender systems which are used widely at e-commerce, collaborative filtering needs the information of user-ratings and neighbor user-ratings. These are an important value for recommendation in recommender systems. We investigate the in-formation of rating in NBCFA (neighbor Based Collaborative Filtering Algorithm), we suggest new algorithm that improve prediction accuracy of recommender system. After we analyze relations between two variable and Error Value (EV), we suggest new algorithm and apply it to fitted line. This fitted line uses Least Squares Method (LSM) in Exploratory Data Analysis (EDA). To compute the prediction value of new algorithm, the fitted line is applied to experimental data with fitted function. In order to confirm prediction accuracy of new algorithm, we applied new algorithm to increased sparsity data and total data. As a result of study, the prediction accuracy of recommender system in the new algorithm was more improved than current algorithm.

• Journal of the Korean Data and Information Science Society
• /
• 제20권3호
• /
• pp.505-514
• /
• 2009

본 연구는 협력적 필터링 기법을 이용한 선호도 예측 과정에서 이웃의 수와 선호도 예측 정확도와의 관계를 분석하였다. 선호도 예측 과정에 선정된 이웃의 수를 4분위수로 4집단으로 구분하여 구분한 집단 간 선호도 예측 정확도에 차이가 나타남을 알 수 있었으며 각 집단의 예측 오차들의 평균들을 이용하여 선형의 보정함수를 제안하였다. 본 연구의 결과를 바탕으로 추천시스템에서 이웃 수를 이용한 보정함수를 이용하면 예측 정확도를 높일 수 있다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.7-9
• /
• 2004

With the development of e-commerce and information access, recommender systems have become a popular technique to prune large information spaces so that users are directed toward those items that best meet their needs and preferences. In this paper, clustering technique is applied in the collaborative recommender framework to consider semantic contents available from the user profiles. We also suggest methods to construct user profiles from rating information and attributes of items to accommodate user preferences. Further, we show that the correct application of the semantic content information obtained from user profiles does enhance the effectiveness of collaborative recommendation.

• Asia pacific journal of information systems
• /
• 제17권4호
• /
• pp.187-206
• /
• 2007

The development of computer and information technology has been combined with the information superhighway internet infrastructure, so information widely spreads not only in special fields but also in the daily lives of people. Information ubiquity influences the traditional way of transaction, and leads a new E-commerce which distinguishes from the existing E-commerce. Not only goods as physical but also service as non-physical come into E-commerce. As the scale of E-Commerce is being enlarged as well. It keeps people from finding information they want. Recommender systems are now becoming the main tools for E-Commerce to mitigate the information overload. Recommender systems can be defined as systems for suggesting some Items(goods or service) considering customers' interests or tastes. They are being used by E-commerce web sites to suggest products to their customers who want to find something for them and to provide them with information to help them decide which to purchase. There are several approaches of recommending goods to customer in recommender system but in this study, the main subject is focused on collaborative filtering technique. This study presents a possibility of pre-evaluation for the prediction performance of customer's preference in collaborative filtering before the process of customer's preference prediction. Pre-evaluation for the prediction performance of each customer having low performance is classified by using the statistical features of ratings rated by each customer is conducted before the prediction process. In this study, MovieLens 100K dataset is used to analyze the accuracy of classification. The classification criteria are set by using the training sets divided 80% from the 100K dataset. In the process of classification, the customers are divided into two groups, classified group and non classified group. To compare the prediction performance of classified group and non classified group, the prediction process runs the 20% test set through the Neighborhood Based Collaborative Filtering Algorithm and Correspondence Mean Algorithm. The prediction errors from those prediction algorithm are allocated to each customer and compared with each user's error. Research hypothesis : Two research hypotheses are formulated in this study to test the accuracy of the classification criterion as follows. Hypothesis 1: The estimation accuracy of groups classified according to the standard deviation of each user's ratings has significant difference. To test the Hypothesis 1, the standard deviation is calculated for each user in training set which is divided 80% from MovieLens 100K dataset. Four groups are classified according to the quartile of the each user's standard deviations. It is compared to test the estimation errors of each group which results from test set are significantly different. Hypothesis 2: The estimation accuracy of groups that are classified according to the distribution of each user's ratings have significant differences. To test the Hypothesis 2, the distributions of each user's ratings are compared with the distribution of ratings of all customers in training set which is divided 80% from MovieLens 100K dataset. It assumes that the customers whose ratings' distribution are different from that of all customers would have low performance, so six types of different distributions are set to be compared. The test groups are classified into fit group or non-fit group according to the each type of different distribution assumed. The degrees in accordance with each type of distribution and each customer's distributions are tested by the test of ${\chi}^2$ goodness-of-fit and classified two groups for testing the difference of the mean of errors. Also, the degree of goodness-of-fit with the distribution of each user's ratings and the average distribution of the ratings in the training set are closely related to the prediction errors from those prediction algorithms. Through this study, the customers who have lower performance of prediction than the rest in the system are classified by those two criteria, which are set by statistical features of customers ratings in the training set, before the prediction process.

• 한국정밀공학회지
• /
• 제18권5호
• /
• pp.23-28
• /
• 2001

• 컴퓨터교육학회논문지
• /
• 제9권1호
• /
• pp.71-80
• /
• 2006

전자상거래가 급속도로 발전함에 따라 고객들의 행동 패턴을 어떻게 발견하느냐와 웹 마이닝 기술을 사용하는 것에 의해 어떻게 상거래를 지능화 할 것인가에 대한 연구가 진행되고 있다. 현재까지 개인화와 상품 추천 시스템을 만들기 위해 가장 성공적이고 가장 넓게 사용되는 기술은 협업필터링 방법이다. 그러나 협업 필터링 방법은 특정 수 이상의 아이템에 대한 평가가 필요하다는 문제를 가지고 있다. 또한, 기존의 연관 규칙 기법은 개인별 사용자의 성향을 반영하지 못하는 단점을 가지고 있다. 본 논문에서는 개선된 Apriori 알고리즘을 이용하고, 아이템들 간에 상호 관계를 가진 협업 필터링 방법을 사용하여 사용자 성향이 반영된 상품 추천 시스템을 개발하였다.

• 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.

• 지능정보연구
• /
• 제12권2호
• /
• pp.1-15
• /
• 2006

휴대폰, PDA등 모바일 단말기의 급속한 진화와 광범위한 보급으로 인하여 모바일 웹 서비스가 빠르게 확산되고 있으며 모바일 컨텐츠 시장 또한 급성장하고 있다. 이에 따른 새로운 멀티미디어 컨텐츠의 활발한 공급은 모바일 웹 사용자들에게 많은 멀티미디어를 획득할 수 있는 기회를 제공하는 동시에 정보과부하로 인한 컨텐츠 검색의 어려움을 겪게 하고 있다. 본 연구는 신상품에 대한 니즈가 높은 모바일 멀티미디어 컨텐츠의 특성과 기존 유선 웹 환경에 비해 열악한 모바일 웹 환경의 제약 사항을 고려하여, 모바일 웹 서비스 이용 고객이 보다 적은 노력과 비용으로 원하는 멀티미디어 컨텐츠를 신속하게 찾을 수 있도록 지원하는 개인화 된 멀티미디어 컨텐츠 추천 방법론을 개발하는 것이다. 이를 위하여 기존 추천시스템에서 대표적으로 사용되는 협업필터링(Collaborative Filtering) 기법의 한계를 보완하기 위하여 내용기반 필터링 기법(Content-based Filtering)을 결합한 하이브리드 추천 기법을 개발하였다. 제안한 하이브리드 기법은 모바일 환경에서 적은 계산으로도 높은 추천 성능과 함께 신상품추천이 가능한 방법이며, 이를 구현하기 위하여 멀티미디어 컨텐츠 추천시스템, MOBICORS-music(MOBIIe Contents Recommender System for Music)을 개발하였다.

• 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.

• 경영정보학연구
• /
• 제4권2호
• /
• pp.191-208
• /
• 2002

e-비즈니스를 통한 사업을 시작하려면 다양한 지식과 많은 정보가 뒷받침되어야 하는데, 디지털 네트워크를 기반으로 한 기업경영의 변화 즉, 기업의 비용 절감, 재고 감축, 사이클 타임 감축, 고객 서비스 개선, 효과적인 판매 및 마케팅, 새로운 시장 개척 등은 종래의 사업모형과 근본적으로 다른 특성을 가지고 있다. 그 가능성과 잠재력을 인지하고 막대한 유무형의 효과를 창출할 수 있는 통합적 e-비즈니스 모형을 구축하고, 이를 추진하기 위한 비전과 전략마련의 이론적 틀을 연구해야 할 필요성이 매우 크다. 따라서 본 연구는 e-비즈니스의 기회창출 개념 및 전개방법(시장조사, 아이템선정, 경쟁업체 분석, 내부역 량 평가, 비즈니스모델설계, 마케팅전략 수립)들을 조사하고, e-비즈니스의 성공요인과 실패요인에 대해서도 살펴본 후, 결론적으로 e-비즈니스의 기회창출 방안들을 제시해보고자 하는데 연구의 목적을 두었다.