모바일 기기와 전자상거래가 보편화됨에 따라 일상적인 생필품도 온라인 쇼핑몰을 통해 구매하는 사용자가 늘어나고 있다. 이러한 생필품은 일정 주기를 따라 반복적으로 구매될 가능성이 크며, 한 번 구매 시 여러 종류의 상품을 동시에 구매하는 경향을 보이고 있다. 본 논문은 이러한 주기적이며 반복적인 상품 구매 환경에 적합한 상품 추천 알고리즘을 제안한다. 첫 번째로 사용자의 구매 이력을 분석하여 사용자가 로그인할 때마다 구매할 시점이 된 상품들을 자동으로 장바구니에 넣어주는 자동 선택 시스템을 고안하였다. 두 번째로는 협업 필터링 추천기법을 활용하여 구매 패턴이 유사한 다른 사용자들의 단골 상품을 구매주기 별로 5개의 집단으로 분류한 후 각 집단별 일정개수의 상품을 추천 대상으로 하여 top-N개를 추천하는 알고리즘을 구현하였다. 세 번째로는 ...
모바일 기기와 전자상거래가 보편화됨에 따라 일상적인 생필품도 온라인 쇼핑몰을 통해 구매하는 사용자가 늘어나고 있다. 이러한 생필품은 일정 주기를 따라 반복적으로 구매될 가능성이 크며, 한 번 구매 시 여러 종류의 상품을 동시에 구매하는 경향을 보이고 있다. 본 논문은 이러한 주기적이며 반복적인 상품 구매 환경에 적합한 상품 추천 알고리즘을 제안한다. 첫 번째로 사용자의 구매 이력을 분석하여 사용자가 로그인할 때마다 구매할 시점이 된 상품들을 자동으로 장바구니에 넣어주는 자동 선택 시스템을 고안하였다. 두 번째로는 협업 필터링 추천기법을 활용하여 구매 패턴이 유사한 다른 사용자들의 단골 상품을 구매주기 별로 5개의 집단으로 분류한 후 각 집단별 일정개수의 상품을 추천 대상으로 하여 top-N개를 추천하는 알고리즘을 구현하였다. 세 번째로는 추천 시스템의 효율성 향상을 위하여 각 상품에 대해 구매주기 보다는 반복 구매 횟수만을 이들의 평점으로서 암묵적으로 지정하고, 이 점수를 활용하여 top-N개의 상품을 추천하는 사용자 기반 협업 필터링과 아이템 기반 협업 필터링의 두 가지 추천 알고리즘을 구현하였다. 네 번째로는 생필품 구매 시 여러 상품을 동시에 구매하는 장바구니 구매의 특성을 활용하여, 장바구니 분석을 통한 연관 규칙 마이닝 기법을 적용하여 연관 상품들을 구한 후 이를 추천하는 연관 상품 추천 알고리즘을 제시하였다. 그리고 국내 생협 업체 중 하나인 행복중심 생협연합회의 실제 주문데이터를 활용하여 지금까지 제안된 각 알고리즘과 이들을 혼합한 여러 하이브리드 알고리즘에 대해서 실험을 통해 성능을 비교분석하였다. 마지막으로 추천 시스템에 대한 사용자의 만족도를 높이기 위하여 추천의 정확도를 크게 떨어뜨리지 않으면서 추천의 다양성을 향상시킬 수 있는 알고리즘 개선 방법을 제안하였다.
모바일 기기와 전자상거래가 보편화됨에 따라 일상적인 생필품도 온라인 쇼핑몰을 통해 구매하는 사용자가 늘어나고 있다. 이러한 생필품은 일정 주기를 따라 반복적으로 구매될 가능성이 크며, 한 번 구매 시 여러 종류의 상품을 동시에 구매하는 경향을 보이고 있다. 본 논문은 이러한 주기적이며 반복적인 상품 구매 환경에 적합한 상품 추천 알고리즘을 제안한다. 첫 번째로 사용자의 구매 이력을 분석하여 사용자가 로그인할 때마다 구매할 시점이 된 상품들을 자동으로 장바구니에 넣어주는 자동 선택 시스템을 고안하였다. 두 번째로는 협업 필터링 추천기법을 활용하여 구매 패턴이 유사한 다른 사용자들의 단골 상품을 구매주기 별로 5개의 집단으로 분류한 후 각 집단별 일정개수의 상품을 추천 대상으로 하여 top-N개를 추천하는 알고리즘을 구현하였다. 세 번째로는 추천 시스템의 효율성 향상을 위하여 각 상품에 대해 구매주기 보다는 반복 구매 횟수만을 이들의 평점으로서 암묵적으로 지정하고, 이 점수를 활용하여 top-N개의 상품을 추천하는 사용자 기반 협업 필터링과 아이템 기반 협업 필터링의 두 가지 추천 알고리즘을 구현하였다. 네 번째로는 생필품 구매 시 여러 상품을 동시에 구매하는 장바구니 구매의 특성을 활용하여, 장바구니 분석을 통한 연관 규칙 마이닝 기법을 적용하여 연관 상품들을 구한 후 이를 추천하는 연관 상품 추천 알고리즘을 제시하였다. 그리고 국내 생협 업체 중 하나인 행복중심 생협연합회의 실제 주문데이터를 활용하여 지금까지 제안된 각 알고리즘과 이들을 혼합한 여러 하이브리드 알고리즘에 대해서 실험을 통해 성능을 비교분석하였다. 마지막으로 추천 시스템에 대한 사용자의 만족도를 높이기 위하여 추천의 정확도를 크게 떨어뜨리지 않으면서 추천의 다양성을 향상시킬 수 있는 알고리즘 개선 방법을 제안하였다.
As mobile devices and e-commerce become more common, more users purchase everyday necessities through online shopping malls. These daily necessities are likely to be repeatedly purchased, and tend to purchase multiple kinds of products at the same time. This paper proposes product recommendation alg...
As mobile devices and e-commerce become more common, more users purchase everyday necessities through online shopping malls. These daily necessities are likely to be repeatedly purchased, and tend to purchase multiple kinds of products at the same time. This paper proposes product recommendation algorithms suitable for such repetitive and periodic purchasing environment. First, we devised an automatic selection system that automatically selects the products that are to be purchased each time the user logs in, according to the purchase cycle of each user. Second, we implemented a collaborative filtering recommendation algorithm that recommends top-N products after classifying the favorite products of other users with similar purchase patterns into 5 groups according to purchase cycle. Third, in order to improve the efficiency of the recommendation system, the number of repetitive purchases rather than the purchasing cycle, is implicitly assigned as the rating of each product, and we implemented user-based collaborative filtering and item-based collaborative filtering algorithms. Fourth, we propose an associate-item recommendation algorithm that recommends top-N associate items by applying association rule mining technique through market basket analysis, using characteristics of buying multiple items at the same time when purchasing daily necessities. And we compared and analyzed the performance of proposed algorithms and hybrid algorithms of them by experiment with real e-commerce sales data from Happycoop Co., one of Korean consumer cooperative companies. Finally, we proposed a modified hybrid algorithm that improves recommendation diversity without significantly reducing the recommended accuracy to improve user satisfaction with the recommendation system.
As mobile devices and e-commerce become more common, more users purchase everyday necessities through online shopping malls. These daily necessities are likely to be repeatedly purchased, and tend to purchase multiple kinds of products at the same time. This paper proposes product recommendation algorithms suitable for such repetitive and periodic purchasing environment. First, we devised an automatic selection system that automatically selects the products that are to be purchased each time the user logs in, according to the purchase cycle of each user. Second, we implemented a collaborative filtering recommendation algorithm that recommends top-N products after classifying the favorite products of other users with similar purchase patterns into 5 groups according to purchase cycle. Third, in order to improve the efficiency of the recommendation system, the number of repetitive purchases rather than the purchasing cycle, is implicitly assigned as the rating of each product, and we implemented user-based collaborative filtering and item-based collaborative filtering algorithms. Fourth, we propose an associate-item recommendation algorithm that recommends top-N associate items by applying association rule mining technique through market basket analysis, using characteristics of buying multiple items at the same time when purchasing daily necessities. And we compared and analyzed the performance of proposed algorithms and hybrid algorithms of them by experiment with real e-commerce sales data from Happycoop Co., one of Korean consumer cooperative companies. Finally, we proposed a modified hybrid algorithm that improves recommendation diversity without significantly reducing the recommended accuracy to improve user satisfaction with the recommendation system.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.