위치기반 로컬 네트워크를 이용한 실시간 개인화 서비스 방법 개발

국문 초록 (Abstract)

최근 업종 간 경쟁과 협업이 핵심인 환경에서 소비자 행동 중심의 라이프셰어 마케팅이 각광을 받고 있다. 특히, 무선 정보기술의 발달과 스마트 디바이스의 보급으로 오프라인에서도 개인화된 추천서비스가 가능하게 하여 기업의 라이프셰어 마케팅이 구체적으로 실현 가능하게 되었다. 개인화된 추천시스템은 고객들이 원하는 정보를 쉽게 찾을 수 있도록 도와주는 정보 필터링 기술이다. 가장 성공적으로 평가받는 협업 필터링의 여러 가지 장점에도 불구하고 오프라인에서 개인화 서비스를 제공하기에는 여러 가지 한계가 존재한다. 이를 극복하기 위하여 본 연구의 1차년도에는 오프라인 환경에서 실시간으로 선택의 복잡성 문제를 해결할 수 있도록 지원하는 위치 기반의 개인화 서비스 방법을 개발하였으며 2차년도에는 오프라인 환경에서 목표 고객의 현재 위치에서 일정 반경 내 고객들의 데이터만을 사용하는 로컬 네트워크 개념을 제안하였다. 이러한 연구 성과의 검증을 위해서 추천시스템이 실제 참관객에게 어떤 영향을 끼치는지 단시간에 측정 가능한 전시회를 대상으로 실험을 진행하였다. 1차년도 실험 결과, 본 연구에서 제시한 방법론이 모든 실험에서 협업 필터링 기법보다 우수함을 보여 방문패턴을 고려하는 것이 오프라인 환경에서의 추천에서 중요함을 알 수 있었다. 그리고 수행시간 측면에서 기존과 비교하여 5배 이상 빠른 수행 속도를 보여 제한된 연산 능력을 지니고 있는 스마트 디바이스에 적용이 가능하다는 점을 발견하였다. 2차년도에는 로컬 네트워크 개념을 도입한 방법론을 설계하여 실제 전시회에 적용하여 실험한 결과, 본 연구에서 제시한 방법론을 통해 각 로컬 네트워크 세분화가 유의하게 이루어지는 한편, 각 로컬 네트워크별로 상이한 반응 형태를 보여 같은 성향의 고객을 로컬화함에 따라 데이터의 잡음이 줄어들어 양질의 데이터를 사용한 방법론 전개가 가능하였으며 각 분야의 전문 지식 및 노하우의 결합을 통해 추천 방법론의 진화가 가능함을 시사한다.
본 연구는 오프라인 환경에서 고객들이 실제로 느끼는 선택의 복잡성을 해결하기 위한 개인화 서비스에 대한 방법론 개발을 목표로 하였다. 이는 기존의 온라인 환경에서 주로 연구되어 왔던 추천시스템에 대한 연구 분야를 오프라인으로 확장시킨 것으로 개인화 서비스에 관한 연구 분야의 방향성을 제시한다. 또한, 오프라인 환경에서 지니는 문제를 해결하기 위해 로컬네트워크를 형성하여 추천 방법론을 설계하는 것은 시스템의 성능을 향상 시킬 뿐만 아니라 더 정확한 추천 정보를 제공할 수 있다는 장점을 지닌다. 따라서 본 연구는 향후 상황 정보를 바탕으로 한 다양한 후속 연구 및 학문적 담론의 활성화에 기여할

다국어 초록 (Multilingual Abstract)

The life-share marketing which centers in customer behaviors recently has the limelight in environments of competitions and collaboration between industries. Especially, the development of wireless information technologies and distribution of smart devices let companies to realize the life-share marketing. Personalized recommender systems are information filtering technologies which can help customers to find information. Although Collaborative Filtering(CF) systems are considered successful methodologies for personalization services, they have some limitations to adopt to off-line environments. Therefore, this study suggests a location-based recommender system which can support to solve the choice problem of customers in real-time in first year, and a concept of local network which use only information within constant radius from the target customer in second year. For evaluating of the performance, we conducted experiments in exhibition environments which can immediately estimate the effect of visitors' reaction for recommender systems. Through experimental results in first year, we can find that our methodology is outstanding in CF systems and information for visit pattern is important to design a methodology for off-line environments. And our system make recommendation faster