Incorporating Social Relationship discovered from User’s Behavior into Collaborative Filtering

Setha Thay(타이쎄타),Inay Ha(하이니애),Geun-Sik Jo(조근식) 한국지능정보시스템학회 2013 지능정보연구 Vol.19 No.2

소셜 네트워크는 사용자들의 공통된 관심사, 경험 그리고 일상생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.

평가 스트림 추세 분석을 이용한 추천 시스템의 공격 탐지

김용욱 ( Yonguk Kim ),김준태 ( Juntae Kim ) 한국인터넷정보학회 2011 인터넷정보학회논문지 Vol.12 No.2

추천 시스템은 사용자의 선호도를 분석하고, 아이템들에 대한 사용자의 선호도를 예측하여 책, 영화, 음악 등과 같은 아이템을 사용자에게 추천하는 시스템이다. 추천 시스템에서 가장 널리 활용하는 기법은 협동적 여과 기법이며, 협동적 여과 기법은 추천 대상 사용자에게 아이템을 추천할 때 유사 사용자의 평가 정보를 이용한다. 협동적 여과 기반 추천은 시스템 공격자가 악의적 목적을 가지고 아이템에 대한 평가를 조작하였을 경우 추천 성능이 저하되며, 이와 같은 추천 시스템에 대한 악의적 행위를 추천 공격이라 한다. 지속적으로 변화하는 평가 데이터를 데이터 스트림 관점에서 분석하면 추천 시스템의 공격을 예측할 수 있다. 본 논문에서는 협동적 여과 기반 추천 시스템에서 아이템 평가의 스트림 추세를 이용하여 추천 시스템에 대한 공격을 탐지하는 방법을 제안한다. 평가 데이터를 구성하는 아이템 평가 정보는 시간에 따라 수시로 변화되는 특성을 나타내기 때문에 일정 주기에 따라 아이템의 평가 변화를 측정하면 추천 시스템의 공격을 탐지할 수 있다. 본 논문에서 제안하는 기법은 연속적으로 입력되는 평가 스트림을 공격 탐지 검사 주기를 기반으로 정상적인 스트림 추세와 비교하여 비정상적인 스트림 추세를 탐지한다. 본 논문에 제안한 기법을 추천 공격에 적용하면 추천 시스템의 운용성과 평가 데이터의 재사용성을 향상시킬 수 있다. 본 논문에서 제안한 기법을 다양한 실험을 통해 효과를 확인하였다. The recommender system analyzes users` preference and predicts the users` preference to items in order to recommend various items such as book, movie and music for the users. The collaborative filtering method is used most widely in the recommender system. The method uses rating information of similar users when recommending items for the target users. Performance of the collaborative filtering-based recommendation is lowered when attacker maliciously manipulates the rating information on items. This kind of malicious act on a recommender system is called `Recommendation Attack`. When the evaluation data that are in continuous change are analyzed in the perspective of data stream, it is possible to predict attack on the recommender system. In this paper, we will suggest the method to detect attack on the recommender system by using the stream trend of the item evaluation in the collaborative filtering-based recommender system. Since the information on item evaluation included in the evaluation data tends to change frequently according to passage of time, the measurement of changes in item evaluation in a fixed period of time can enable detection of attack on the recommender system. The method suggested in this paper is to compare the evaluation stream that is entered continuously with the normal stream trend in the test cycle for attack detection with a view to detecting the abnormal stream trend. The proposed method can enhance operability of the recommender system and re-usability of the evaluation data. The effectiveness of the method was verified in various experiments.

대규모 단체급식 데이터를 활용한 음식 메뉴 군집화와 추천 시스템 성능 비교

방병권,김민용 대한경영정보학회 2021 경영과 정보연구 Vol.40 No.2

데이터의 양이 기하급수적으로 증가하고 이를 처리할 수 있는 분석 방법이 발전함에 따라 개인의 선호를 반영한 제품과 서비스를 제안하기 위해 다양한 분야에서 추천 시스템이 활용되고 있다. 추천 시스템을 통하 여 소비자의 선호를 예측할 수 있게 되면 제품과 서비스에 대한 수요예측이 보다 정확해지고 이는 재고관리 등에 있어서 자원을 보다 효율적으로 운영할 수 있다. 대규모의 소비자를 상대로 선호를 파악하고 이를 수요 예측에 반영하는 방법으로 추천 시스템을 활용할 수 있으나, 음식 메뉴의 추천을 위해 선택이 제한된 상황에 서의 소비자 선택 정보를 활용하여 군집화를 시도하거나 추천 시스템의 성능을 비교한 연구는 드물다. 본 연구에서는 대규모 단체급식에서 발생한 음식 메뉴에 대한 소비자의 선택정보를 활용하여 음식 메뉴를 군집화하고 추천 시스템 알고리즘 간의 성능을 비교하였다. 단체 급식에는 다양한 선호를 가지고 있는 소비자 들을 만족시키기 위해 다양한 음식 메뉴를 제공할 수 없는 한계가 있다. 소비자의 선호를 보다 정확하게 반영 하게 되면 제한된 음식 메뉴로도 소비자의 만족도를 향상시킬 수 있고 식사를 제공하는 입장에서는 잔반을 최 소화하고 원재료의 적정 재고 운영을 통해 자원의 효율적인 운영이라는 목적을 달성할 수 있다. 따라서 본 연 구에서는 대규모 단체급식에서 발생한 음식 메뉴에 대한 소비자의 선택과 비선택의 정보를 활용하여 음식 메 뉴의 군집화를 시도하고, 나이브베이즈 분류기를 통해 각 군집의 특성을 제시하였다. 또한 2~3개의 선택 가능한 메뉴 중에서 소비자가 선택을 하는 음식 메뉴에 대한 선택정보만을 반영하였을 경우와 비선택의 경쟁 정보를 추가하여 반영한 두 가지 경우에 대한 추천 시스템 알고리즘 간의 성능 차이를 비교하였다. 단체급식 데이터를 활용하여 군집 분석을 한 결과 음식 메뉴는 8개의 군집으로 나눌 수 있었으며 각 군집 의 특성은 나이브베이즈 분류를 통해 소비자의 인구통계 정보 및 음식 메뉴의 특성으로 설명이 가능한 것으 로 나타났다. 음식 메뉴의 추천 시스템 성능은 대중적인 메뉴를 추천하는 경우가 예측 성능이 가장 우수한 것으로 나타났으며, 소비자가 선택한 아이템에 대한 정보뿐만 아니라 선택되지 않은 정보를 반영하면 추천 시스템 성능이 향상되는 것으로 나타났다. 이러한 연구는 음식 메뉴의 추천에 있어서 군집화 정보를 활용하고 선택의 기회가 있는 경우에는 비선택 의 경쟁 정보까지 반영하여 추천 시스템을 구성함으로써 추천 성능을 향상시킬 수 있다는 것을 제시하고 있 다. 대규모 단체급식에서 소비자의 선호를 바탕으로 군집화를 하고 추천의 정확도를 높이는 연구는 자원의 효율적 운영을 위한 수요예측의 기초자료로 활용이 될 수 있다. As the amount of data increases exponentially and an analysis method capable of processing it develops, recommendation systems are being used in various fields to propose products and services that reflect individual preferences. When consumers' preferences can be predicted through the recommendation system, demand forecasts for products and services become more accurate, and resources can be operated more efficiently in inventory management, etc. The recommendation system can be used as a method of identifying preferences for large-scale consumers and reflecting them in demand forecasting. But there are few studies that attempts to cluster by using consumer selection information in situations where selection is limited for recommendation of meal menus or performance of the recommendation system. In this study, meal menus were clustered using the consumer's selection information for meal menus generated in large-scale company cafes, and the performance of recommendation system algorithms was compared. Large-scale company cafes have a limit in that they cannot provide a variety of meal menus to satisfy consumers with various preferences. If consumers' preferences are more accurately reflected, consumers' satisfaction can be improved even with limited meal menus, and from the standpoint of providing meals, the goal of efficient operation of resources can be achieved by minimizing leftovers and operating an appropriate inventory of raw materials. Therefore, in this study, we attempted to cluster meal menus by using the information of consumers' choice and non-selection on meal menus that occurred in large-scale company cafes and presented the characteristics of each cluster through the Naive Bayes classifier. In addition, performance differences between the recommendation system algorithms were compared in the case of reflecting only the selection information for the meal menu selected by the consumer from among 2 to 3 selectable menus, and the two cases reflecting by adding competition information of non-selection. As a result of cluster analysis using group meal data, the meal menu could be divided into 8 clusters, and the characteristics of each cluster could be explained by the consumer's demographic information and the characteristics of the meal menu through the Naive Bayes classification. As for the performance of the meal menu recommendation system, the case of recommending the popular menu showed the best prediction performance, and it was found that the performance of the recommendation system was improved by reflecting not only the information on the item selected by the consumer but also the information not selected. This study suggests that the recommendation performance can be improved by constructing a recommendation system by utilizing clustering information in recommending meal menus and reflecting competition information of non-selection when there is an opportunity for selection. In large-scale group catering, research on clustering based on consumer preferences and increasing the accuracy of recommendations can be used as basic data for demand forecasting for efficient management of resources.

개인화 서비스 진전에 따른 자동추천 시스템 연구 동향과 방법론적 특성 연구

황용석(Yong-suk, Hwang),김기태(Ki-Tae, Kim) 사이버커뮤니케이션학회 2019 사이버 커뮤니케이션 학보 Vol.36 No.2

본 연구의 목적은 사회과학 연구자들을 위한 추천 시스템 연구의 연구 경향의 변화와 방법론적 동향을 탐색하는 것이다. 각각의 연구 경향에서 사용된 연구방법상의 문제점과 한계를 검토하고 추천 시스템 연구 범위의 확장과 더불어 새롭게 사용되는 연구방법들을 제시한다. 전통적인 추천 시스템 연구 경향은 크게 시스템 중심 접근법과 이용자 중심 접근법으로 나눌 수 있다. 그런데 시스템 중심 접근법의 주요 관심사여왔던 추천서비스 알고리즘의 예측 정확도 향상이 반드시 실제 이용자의 사용 만족도로 이어지지 않는다는 비판이 지속적으로 제기되었다. 이러한 이유에서 등장한 이용자 중심 접근법은 주로 전통적인 사회과학 실험 방법(lab experiments)을 사용하는데, 이러한 연구방법 역시 제한된 수의 피실험자들에게 제한된 변수만을 테스트하는 방식으로 도출된 결과의 낮은 신뢰도와 닞은 외적 타당성이 단점으로 지적되어왔다. 이 글에서는 현재 주요 글로벌 미디어 기업들(구글, 아마존, 페이스북 등)이 적극적으로 활용하고 있는 대규모 온라인 통제실험을 이러한 이용자 중심 접근법의 실험 방법론이 가지고 있는 약점을 극복할 수 있는 대안적 방법론으로 제시한다. 한편 추천서비스가 점점 우리 일상의 한 부분이 되어가면서, 기존의 추천 시스템 평가 위주의 연구영역에서 벗어나 추천 시스템의 사회적 영향에 대한 관심으로 연구 영역이 확장되었다. 이러한 연구 영역의 확장과 더불어 새로운 방법론적 시도가 이루어졌는데, 이 글에서는 온라인 뉴스 추천서비스 사용자들의 파편화 문제를 관계망 분석을 통해 다룬 일련의 연구들과 추천 알고리즘의 편향과 차별 문제에 데이터마이닝 기법과 대규모 온라인 통제실험방법을 접목한 연구들과 연구에 사용된 몇 가지 기법을 소개한다. The main purpose of this paper is to explore the recent trends of recommendation system research and methodological changes. This paper examined the issues and limitations of the research methods that each study in the filed employed. At the same time, this study suggested the newly emerging methodological trends, as the research area of recommendation system studies expands. Traditional recommendation studies are categorized into two approaches: system-centric approaches and user-centric approaches. However, recommendation system researchers suggested that the improvement of the prediction accuracy does not necessarily lead to user satisfaction of the system, which resulted in the changes in the approaches to the recommendation system studies from system-centric approaches to user-centric approaches. User centric approaches tend to involve traditional user experiments, with the low level of consistency across studies and external validity of the research design. Consequently, this paper suggested, as an alternative method, online controlled experiments at large scale which have been widely used by the major global media cooperation, such as Google, Amazon, Facebook. As recommendation systems has been integrated into our daily life, the area of interest in the field expanded to the issue of social influence of recommendation systems beyond the issue of evaluation of recommendation system, such as the issues of the fragmentation of the user groups of online news recommendation services and the bias and discrimination of the recommendation algorithm Together with such expansion of the research scope, new methodological attempt has been made. This paper examined how the newly emerging issue in recommendation research field are aligned with new research or analytic methods such as network analysis and data mining techniques.

개인화추천시스템의 상품추천정보가 기업이미지에 미치는 영향 - 소비자 조절초점을 중심으로 -

이병진,이석규 서비스마케팅학회 2017 서비스마케팅학회 학술대회 발표논문집 Vol.2017 No.11

온라인 쇼핑 산업의 비약적인 발전으로 인하여 기업들 간 경쟁이 심화되어짐으로서 소비자의 재방문 및 재구매를 유도하기 위한 여러 가지 시도가 이루어지고 있다. 소비자가 과 거에 구매했던 상품과 유사하거나, 비슷한 취향이나 선호도를 가진 타 소비자가 구매했던 상 품을 추천해주는 방식의 개인화 추천 시스템의 도입 또한 기업들의 시도 중 하나이다. 본 연구는 개인화 추천 시스템의 상품 추천 정보가 실제로 기업 이미지 개선에 도움 을 주고 있는 지를 확인해보자는 것에서 시작되었으며 더 나아가, 개인화 추천시스템이 소비 자의 조절 초점에 따라 기업 이미지에 어떻게 다른 영향을 주고 있는가를 알아보는 것을 목적 으로 하였다. 개인화 추천 시스템이 기업 이미지에 미치는 영향에 대해 연구한 결과, 소비자는 인 터넷 쇼핑을 하는 상황에서 개인화 추천 시스템, 대표적으로 협업적 필터링 기법과 내용기반 필터링 기법을 활용한 인터넷 쇼핑 상황에 모두 긍정적으로 반응하였다. 이에 기업은 획일적 인 인터넷 쇼핑 환경을 제공하는 시스템에서 탈피하여 방문 소비자의 과거 구매 이력이나 취 향 및 선호도가 유사한 최근접 이웃(Nearest Neighbor)의 구매 이력을 활용하여 개인에게 맞 춤화된 쇼핑 환경을 제공하는 것이 기업 이미지에 대해 긍정적인 영향을 얻을 수 있고, 개선 된 기업 이미지로 인한 경쟁우의 확보가 가능하다 볼 수 있다. 소비자의 조절초점에 따라 개 인화 추천 시스템의 상품 추천 정보가 기업 이미지에 미치는 영향을 분석해 본 결과, 향상 초 점(Promotion Focus)된 소비자는 협업적 필터링 기법이 사용된 쇼핑 상황에서는 기업이미지 에 긍정적인 반응(+)을 보였다. 반면 예방 초점(Prevention Focus)된 소비자는 내용기반 필터 링 기법이 사용된 쇼핑 상황에서는 해당 기업의 이미지에 대해서 부정적인 반응(-)을 보였다. 이에 인터넷 쇼핑 기업은 소비자와의 접점 설계 시, 소비자에 대한 고유 특성을 파악 하기 위한 장치를 마련하고 이를 활용하여 각각의 특성마다 맞춤화된 쇼핑 상황을 제공해야 할 필요가 있다. 연구 결과를 근거로 제안할 수 있는 것은 향상 초점되었다 판단된 소비자에 게는 협업적 필터링 기법을 사용한 상품 추천 정보를 제공하는 것이 기업이미지를 긍정적으로 개선시킬 수 있는 방안이며, 예방 초점되었다 판단된 소비자에게는 내용기반 필터링 기법을 사용한 상품 추천 정보를 제공하지 않는 것이 기업 이미지에 대한 부정적인 영향을 예방할 수 있다는 점이다.

사용자 영화취향을 반영한 크로스미디어 플랫폼 도서 추천 시스템

김성섭,한선우,목하은,최혜봉 국제문화기술진흥원 2021 The Journal of the Convergence on Culture Technolo Vol.7 No.1

도서 취향을 고려하여 도서를 추천해주는 도서 추천 시스템은 사용자의 독서 경험과 독서에 대한 인식 개선에 효과적이다. 축적된 사용자 평점 기록이 상대적으로 적은 도서의 경우 추천 정확도에 한계가 나타난다. 본 연구에서 는 상대적으로 풍부한 사용자 평점 데이터를 가진 영화 평점 정보를 이용하여 사용자에게 맞춤형 도서를 추천하는 추천 시스템을 제안한다. 제안하는 방법을 통해 도서 추천의 정확도를 높이고 보다 다양한 종류의 추천을 수행하는데 효과적임을 보였다. 영화 평점 데이터를 활용한 도서추천 시스템은 도서 분야 외 타 미디어 플랫폼의 데이터를 도서 추천에 활용하는 의미 있는 시도가 될 것으로 예상한다. Book recommender system, which suggests book to users according to their book taste and preference effectively improves users’ book-reading experience and exposes them to variety of books. Insufficient dataset of book rating records by users degrades the quality of recommendation. In this study, we suggest a book recommendation system that makes use of user’s book ratings collaboratively with user’s movie ratings where more abundant datasets are available. Through comprehensive experiment, we prove that our methods improve the recommendation quality and effectively recommends more diverse kind of books. In addition, this will be the first attempt for book recommendation system to utilize movie rating data, which is from the media-platform other than books.

필터링기법을 이용한 영화 추천시스템 알고리즘 개발에 관한 연구

김선옥,이수용,이석준,이희춘,지선수 한국데이터정보과학회 2013 한국데이터정보과학회지 Vol.24 No.4

The purchase of items in e-commerce is a little bit different from that of items in off-line. The recommendation of items in off-line is conducted by salespersons’ recommendation, However, the item recommendation in e-commerce cannot be recommended by salespersons, and so different types of methods can be recommended in e-commerce. Recommender system is a method which recommends items in e-commerce. Preferences of customers who want to purchase new items can be predicted by the preferences of customers purchasing existing items. In the recommender system, the items with estimated high preferences can be recommended to customers. The algorithm of collaborative filtering is used in recommender system of e-commerce, and the list of recommended items is made by estimated values, and then the list is recommended to customers. The dataset used in this research are 100k dataset and 1 million dataset in Movielens dataset. Similar results in two dataset are deducted for generalization. To suggest a new algorithm, distribution features of estimated values are analyzed by the existing algorithm and transformed algorithm. In addition, respondent’distribution features are analyzed respectively. To improve the collaborative filtering algorithm in neighborhood recommender system, a new algorithm method is suggested on the basis of existing algorithm and transformed algorithm. 전자상거래에서 상품의 구입은 오프라인에서 구매하는 방식과는 차이가 있다. 오프라인에서 상품추천은 판매원의 추천에 의해 이루어지지만 온라인에서 상품 추천은 판매원이 상품 추천을 할 수가 없기 때문에 오프라인과는 다른 형태의 상품을 추천하게 된다. 추천시스템은 온라인 상거래에서 상품을 추천하는 방법으로 기존 상품을 구입한 고객의 선호도를 기반으로 상품을 구입하려는 고객의 선호도를 예측하여 추정된 선호도가 높은 상품을 고객에게 추천하는 방법이다. 협력적 필터링 알고리즘은 전자상거래의 상품추천 추천시스템에 사용되며 추정된 값들로 추천 상품 목록을 만들고 그 목록을 고객에게 추천을 하는 것이다. 이 논문에서 사용된 데이터집합은 Movielens 데이터집합인 100k 데이터집합과 1 million 데이터집합이며 일반화를 위해 2개의 데이터집합에서 유사한 결과를 도출하여 일반화시키고자 한다. 영화 추천시스템의 새로운 알고리즘을 제안하기 위해 기존의 알고리즘과 변형된 알고리즘에 의해 추정된 추정값들의 분포 특징을 분석과 응답자별로 분류해서 응답자별 분포의 특징을 분석하였다. 이 논문에서는 이웃기반 추천시스템 협력적 필터링 알고리즘을 개선하기 위해 기존의 알고리즘과 변형된 알고리즘을 바탕으로 새로운 알고리즘을 제안하였다.

나이브베이즈 분류모델과 협업필터링 기반 지능형 학술논문 추천시스템 연구

이상기,이병섭,박병용,황혜경,Lee, Sang-Gi,Lee, Byeong-Seop,Bak, Byeong-Yong,Hwang, Hye-Kyong 한국과학기술정보연구원 과학기술정보센터 2010 Journal of Information Science Theory and Practice Vol.41 No.4

정보기술과 인터넷의 발달로 학술정보가 폭발적으로 증가하고 있다. 정보 과잉으로 인해 연구자들은 필요한 정보를 찾거나 필터링하는데 더 많은 시간과 노력을 투입하고 있다. 이용자들이 원하는 정보를 예측하여 관심 가질만한 정보를 선별하여 추천하는 시스템을 전문가시스템, 데이터마이닝, 정보검색 등 다양한 분야에서 오래 전부터 연구하여 왔다. 최근에는 콘텐츠기반추천시스템과 협업필터링을 결합하거나 다른 분야 모델을 접목한 하이브리드 추천시스템으로 발전하고 있다. 본 연구에서는 기존 추천시스템 문제를 해결하고 대규모 정보센터나 도서관에서 학술논문을 효율적이고 지능적으로 추천하기 위해 협업필터링과 나이브베이즈모델을 결합한 새로운 방식의 추천시스템을 제시하였다. 즉, 협업필터링 방식으로 과도한 특성화(Over-specialization) 문제를 해결하고, 나이브베이즈모델을 통해 평가정보나 이용정보가 부족한 신규콘텐츠 추천문제를 해소하였다. 본 모델을 검증하기 위해 한국과학기술정보연구원 NDSL에서 제공하는 식품과 전기 분야 학술논문에 적용하여 실험하였다. 현재 NDSL 이용자 4명에게 피드백을 받은 결과 추천논문에 상당히 만족하는 것으로 나타났다. Scholarly information has increased tremendously according to the development of IT, especially the Internet. However, simultaneously, people have to spend more time and exert more effort because of information overload. There have been many research efforts in the field of expert systems, data mining, and information retrieval, concerning a system that recommends user-expected information items through presumption. Recently, the hybrid system combining a content-based recommendation system and collaborative filtering or combining recommendation systems in other domains has been developed. In this paper we resolved the problem of the current recommendation system and suggested a new system combining collaborative filtering and Naive Bayes Classification. In this way, we resolved the over-specialization problem through collaborative filtering and lack of assessment information or recommendation of new contents through Naive Bayes Classification. For verification, we applied the new model in NDSL's paper service of KISTI, especially papers from journals about Sitology and Electronics, and witnessed high satisfaction from 4 experimental participants.

Influences of Transparency and Feedback on Customer Intention to Reuse Online Recommender Systems

Januel L. Hebrado,Hong Joo Lee(이홍주),Jaewon Choi(최재원) 한국전자거래학회 2013 한국전자거래학회지 Vol.18 No.2

고객 취향에 가장 적합한 제품을 선택하는 것은 전자상거래에서 중요한 문제이다. 전자상거래 그러나 온라인 추천시스템으로서 알려진 소셜 필터링은 전자상거래에서 기술적 접근이 활발히 연구되어왔다. 온라인 추천시스템은 사용자의 개인적 취향과 관련하여 적절한 제품을 필터링하여 제공함으로서 사용자의 의사결정 품질을 향상시키는 것에 목적을 두고 있으며 그 결과 사용자의 제품 탐색과 선택에 대한 지원이 가능하다. 그러나 대다수 추천시스템의 선행연구들은 추천 알고리즘의 정확성을 향상시키는 것에 집중해 왔으며 사용자 기반의 인터페이스나 사용자 관점의 사용방식에 대한 연구는 매우 적은 실정이다. 추천시스템의 추천 상황에 대한 시스템 투명성과 사용자의 추천에 대한 피드백을 통한 추천방식 개선을 통하여 본 연구는 사용자 관점의 추천시스템 활용에 대한 시스템 투명성과 피드백의 영향력을 파악하고자 하였다. 실험을 통한 연구 결과에 따라, 시스템 투명성과 사용자 피드백 모두 추천시스템에 대한 사용자의 인지된 신뢰, 프로세스 가치, 인지된 즐거움에 영향을 주는 것으로 나타났다. 특히, 인지된 신뢰, 프로세스 가치, 즐거움은 사용자가 추천시스템을 지속적으로 사용하기 위한 의도를 향상시키는 것으로 나타났다. The problem of choosing the right product that will best fit a consumer’s taste and preferences extends to the field of electronic commerce. However, e-commerce has been able to create a technological proxy for the social filtering process, known as online recommender systems (RSs). RSs aid users in filtering products and decisions on matters relating to personal taste. RSs have the potential to support and improve the quality of the decisions consumers make when searching for and selecting products and services online. However, most previous research on RSs has focused on the accuracy of the algorithms, with little emphasis on user interface and perspectives. This study identified transparency and feedback as possible ways to effectively evaluate RSs from the user’s perspective. Thus, this research focused on examining and identifying the roles of transparency and feedback in recommender systems and how they affect users’ attitudes toward the system. Results of the study showed that both transparency and feedback positively and significantly affected perceived trust, perceived value of the process, and perceived enjoyment. Furthermore, we found that perceived trust, perceived value of the process, and perceived enjoyment positively and directly affected users’ intentions to use/reuse a recommender system.

아이템 연관성을 고려한 협력적 필터링 기반 추천시스템 개발

강호윤 ( Ho Yun Kang ),옥창수 ( Chang Soo Ok ) (주)엘지씨엔에스(구 LGCNS 엔트루정보기술연구소) 2015 Entrue Journal of Information Technology Vol.14 No.1

정보기술과 인터넷 기술의 발달로 전자상거래가 활성화되면서 추천시스템의 중요성이 증가하였다. 전자상거래에서 추천시스템은 사용자 개인 정보와 구매 이력을 통해 필요로 할 것이라 예상되는 상품을 사용자에게 추천해 준다. 추천시스템은 협력적 필터링과 군집모델, 그리고 검색 기반 방법 등 많은 연구가 수행되었다. 그러나 이러한 연구들은 상품 간의 연관성은 고려하지 않고 사용자 정보만을 가지고 상품을 추천해 주기 때문에 추천 상품의 정확도가 떨어진다. 본 연구에서는 이러한 문제점을 보안하기 위해 기존의 협력적 필터링 기법과 아마존에서 사용자고 있는 아이템 간 협력적 필터링 기법을 활용하여 혼합 추천시스템을 제안하고 이 추천시스템을 중소 제조기업을 위한 제조용 앱스토어에 적용한다. 본 연구에서 제안하는 추천시스템은 기존 연구에서 사용된 Recall과 Precision 두 척도의 조화평균 값으로 평가하였다. 평가 결과 제안한 추천시스템이 기존 협력적 필터링 보다 좀더 높은 정확도를 제공하는 것으로 나타났다. As glowing e-commerce markets, many websites for online shopping mall and B-to-B trading has emerged and, consequently, the websites need to differentiate themselves with their competitors. To obtain the goal e-commerce companies have considered recom-mender system as a business tool and the important of recommender system has increased. In e-commerce, recommender system help users find products which might be useful for user based on their personal and purchasing history information to acquire increase of sales and business superiority. Recommender system, collaborative filtering, cluster models, search-based methods, and many studies have been conducted. These studies, however, the quality of recommendation is relatively low, since those approaches consider user`s information only, without considering the correlation among products. In this study, in order to make up for these problems, a hybrid recommender system uti-lizing traditional collaborative filtering and item-to-item collaborative filtering is proposed. To demonstrate the effectiveness of the proposed algorithm is applied the manufacturing appstore (www.mfg-app.co.kr) and a user survey have conducted. The result of the analysis shows that our recommendation system is effective and provides more helpful recommendations to website users.