리뷰데이터 마이닝을 이용한 하이브리드 추천시스템 개발: 아마존 유아용품 데이터 분석 사례

국문 초록 (Abstract)

인터넷의 전세계적인 보급과 온라인 구매 거래가 증가하면서 소비자들의 거래 편리성은 증가한 반면, 온라인 매장 및 상품의 종류가 지나치게 많아짐에 따라 고객들의 선택 복잡성은 증가되고 있다. 이러한 문제를 해결하기 위하여 많이 사용되고 있는 협업 필터링 기반 추천 시스템은 추천 대상이 되는 고객과 비슷한 구매패턴을 가진 고객들을 식별하여 이웃을 선별한 뒤 이들이 과거에 선호했거나 구매했던 상품들 중에서 대상 고객이 아직 구매하지 않은 상품을 추천하는 시스템이다. 하지만 최근 소셜미디어의 증가로 인하여 많은 고객들은 평점 외에 리뷰를 구매에 많이 반영하지만 실제로 리뷰데이터를 협업 필터링에 영한 하이브리드 방법 연구는 아직 초기 단계에 머물고 있는 상황이다. 본 연구에서는 협업 필터링에 기반한 리뷰데이터 마이닝을 효과적이고 효율적으로 이용한 하이브리드 추천시스템을 개발하고자 한다. 본 연구에서 제안하는 방법은 다음과 같다. 첫째, 구매자들이 구매후기에 남긴 평점을 이용하여 기존의 CF방법을 이용하여 일차이웃을 선정한다. 둘째, 선정된 일차이웃을 이용하여 상품-사용자 리뷰 단어 행렬을 도출한다. 셋째, 리뷰의 유사도를 TF-IDF(Term Frequency - Inverse Document Frequency) 가중치 합으로 산출한 뒤 상품과 상품사이 유사도를 도출하여 최종 이웃을 선정한 다음 목표고객에게 적합한 추천 상품을 선정한다. 본 연구에서 개발한 방법과 기존 방법들 간의 비교를 위하여 R 프로그래밍을 이용하여 하이브리드 시스템을 개발하고 있으며 아마존 유아용품 데이터를 사용하여 실험할 계획이다.

목차 (Table of Contents)

• Abstract
• Ⅰ. 서론
• Ⅱ. 리뷰데이터를 이용한 하이브리드 추천시스템
• Ⅲ. 실험
• Ⅵ. 결론
• Ⅴ. 참고문헌