다중모형조합기법을 이용한 상품추천시스템

국문 초록 (Abstract)

전자상거래의 폭발적 증가는 소비자에게 더 유리한 많은 구매 선택의 기회를 제공한다. 이러한 상황에서 자신의 구매의사 결정에 대한 확신이 부족한 소비자들은 의사결정 절차를 간소화하고 효과적인 의사결정을 위해 추천을 받아들인다. 온라인 상점의 상품추천시스템은 일대일 마케팅의 대표적 실현수단으써의 가치를 인정받고 있다. 그러나 사용자의 기호를 제대로 반영하지 목하는 추천시스템은 사용자의 실망과 시간낭비를 발생시킨다. 본 연구에서는 정확한 사용자의 기호 반영을 통한 추천기법의 정교화를 위해 데이터마이닝과 다중모형조합기법을 이용한 상품추천시스템 모형을 제안하고자 한다. 본 연구에서 제안하는 모형은 크게 두 개의 단계로 이루어져 있으며, 첫 번째 단계에서는 상품군 별 우량고객 선정 규칙을 도출하기 위해서 로지스틱 회귀분석 모형, 의사결정나무 모형, 인공신경망 모형을 구축한 후 다중모형조합기법인 Bagging과 Bumping의 개념을 이용하여 세 가지 모형의 결과를 조합한다. 두 번째 단계에서는 상품군별 연관관계에 관한 규칙을 추출하기 위하여 장바구니분석을 활용한다. 상기의 두 단계를 통하여 상품군 별로 구매가능성이 높은 우량고객을 선정하여 그 고객에게 관심을 가질만한 같은 상품군 또는 다른 상품군내의 다른 상품을 추천하게된다. 제안하는 상품추천시스템은 실제 운영 중인 온라인 상점인 ‘I아트샵’의 데이터를 이용하여 프로토타입을 구축하였고 실제 소비자에 대한 적용가능성을 확인하였다. 제안하는 모형의 유용성을 검증하기 위하여 제안 상품추천시스템의 추천과 임의 추천을 통한 추천의 결과를 사용자에게 제시하고 제안된 추천에 대한 만족도를 조사한 후 대응표본 T검정을 수행하였으며, 그 결과 사용자의 만족도를 유의하게 향상시키는 것으로 나타났다.

참고문헌 (Reference)

1 김종우, "협업 필터링 기반 개인화 추천에서의 평가자료의 희소 정도의 영향" 한국경영정보학회 14 (14): 131-149, 2004

2 조윤호, "재구성된 제품 계층도를 이용한 협업 추천 방법론 및 그 평가" 한국경영과학회 29 (29): 59-75, 2004

3 강부식, "자기 조직화 신경망(SOM)을 이용한 협력적 여과 기법의 웹 개인화 시스템에 대한 연구" 한국지능정보시스템학회 9 (9): 117-135, 2003

4 안현철, "연관규칙기법과 분류모형을 결합한 상품 추천 시스템: G 인터넷 쇼핑몰의 사례" 한국경영정보학회 8 (8): 181-201, 2006

5 박종학, "사회연결망：신규고객 추천문제의 새로운 접근법" 한국지능정보시스템학회 15 (15): 123-140, 2009

6 김경재, "데이터 마이닝을 이용한 인터넷 쇼핑몰 상품추천시스템" 한국지능정보시스템학회 11 (11): 191-205, 2005

7 김재경, "개인별 상품추천시스템, WebCF-PT: 웹마이닝과 상품계층도를 이용한 협업필터링" 한국경영정보학회 15 (15): 63-79, 2005

8 Goldberg, D., "Using collaborative filtering to weave an information tapestry" 35 (35): 61-70, 1992

9 Adomavicius, G., "Toward the next generation of recommender systems : a survey of the state-of-the-art and possible extensions" 17 (17): 734-749, 2005

10 Roh, T. H., "The collaborative filtering recommendation based on SOM cluster-indexing CBR" 25 (25): 413-423, 2003

11 Wu, K.-L., "Personalization with dynamic profiler" 12-20, 2001

12 Tibshirani, R., "Model search and inference by bootstrap ‘bumping’" University of Toronto 1995

13 Breiman, L., "Heuristics of instability in model selection" Statistics Department, University of California at Berkeley 1994

14 Konstan, J., "GroupLens : Applying Collaborative Filtering to Usenet News" 40 : 77-87, 1997

15 Resnick, P., "GroupLens : An open architecture for collaborative filtering of netnews" 175-186, 1994

16 김재경, "Development of a Personalized Recommendation Procedure Based on Data Mining Techniques for Internet Shopping Malls" 한국지능정보시스템학회 9 (9): 177-191, 2003

17 Kim, K., "Collaborative filtering with a user-item matrix reduction technique for recommender systems" 16 (16): 107-128, 2011

18 Kim, D., "Collaborative filtering based on iterative principal component analysis" 28 (28): 823-830, 2005

19 Heskes, T., "Balancing between bagging and bumping, In Advances in Neural Information Processing Systems" MIT Press 466-472, 1996

20 Breiman, L., "Bagging predictors" 24 (24): 123-140, 1996

21 조윤호, "Applying Centrality Analysis to Solve the Cold-Start and Sparsity Problems in Collaborative Filtering" 한국지능정보시스템학회 17 (17): 99-114, 2011

22 Cho, Y. H., "Application of Web usage mining and product taxonomy to collaborative recommendations in e-commerce" 26 : 233-246, 2004

23 Sarwar, B. M., "Analysis of recommendation algorithms for e-commerce" 158-167, 2000

24 Lee, Y., "A study on training ensembles of neural networks : a case of stock price prediction" 5 (5): 95-101, 1999

25 Cho, Y. H., "A personalized recommender system based on Web usage mining and decision tree induction" 23 : 329-342, 2002

26 Kim, J. K., "A personalized recommendation procedure for Internet shopping support" 1 : 301-313, 2002

27 Pazzani, M. J., "A framework for collaborative, content-based and demographic filtering" 13 (13): 393-408, 1999

28 김재경, "A Personalized Recommendation Methodology based on Collaborative Filtering" 한국지능정보시스템학회 8 (8): 139-157, 2002