소셜 미디어의 발전으로 과거에는 정보의 수용자였던 일반 사용자들도 정보와 지식의 제공자가 되었다. 하지만 많은 정보로 인해 오히려 사용자는 구매 결정을 내리는 데 어려움을 느낀다. 사용자들의 선호를 추론하여 구매를 희망하는 아이템을 쉽게 찾을 수 있도록 지원하는 추천 시스템을 활용해 이러한 정보/지식 과부하 문제를 해결하기 위해 노력하고 있지만 과연 사용자들이 선호하는 바를 적절하게 반영할 수 있는 것인가에 대한 지속적인 의문 제기가 있었으며, 보다 나은 성능 향상을 위한 많은 연구 또한 계속 진행되어 왔다. 특히 도서 시장의 소비자들은 도서의 내용과 출판시기, 구입할 수 있는 가격 조건 등을 고려하여 구매한다. 그러나 현재까지 이와 같은 구매행태를 모두 적용한 연구는 없었다. 따라서 본 연구에서는 구매 데이터에 기초하여 토픽 모델링을 적용한 도서의 ...
소셜 미디어의 발전으로 과거에는 정보의 수용자였던 일반 사용자들도 정보와 지식의 제공자가 되었다. 하지만 많은 정보로 인해 오히려 사용자는 구매 결정을 내리는 데 어려움을 느낀다. 사용자들의 선호를 추론하여 구매를 희망하는 아이템을 쉽게 찾을 수 있도록 지원하는 추천 시스템을 활용해 이러한 정보/지식 과부하 문제를 해결하기 위해 노력하고 있지만 과연 사용자들이 선호하는 바를 적절하게 반영할 수 있는 것인가에 대한 지속적인 의문 제기가 있었으며, 보다 나은 성능 향상을 위한 많은 연구 또한 계속 진행되어 왔다. 특히 도서 시장의 소비자들은 도서의 내용과 출판시기, 구입할 수 있는 가격 조건 등을 고려하여 구매한다. 그러나 현재까지 이와 같은 구매행태를 모두 적용한 연구는 없었다. 따라서 본 연구에서는 구매 데이터에 기초하여 토픽 모델링을 적용한 도서의 주제 분석과 사용자의 가격 및 최신성 등의 특성을 반영하고 도서 시장에서 고객에게 적절한 추천을 제공할 수 있는 방법론을 제안한다. LDA 토픽 모델링을 기반으로 도서의 주제를 추출하고 사용자의 선호를 추론한 후 사용자 선호도를 기반으로 유사도를 계산하여 추천 후보 리스트를 생성한 뒤 사용자의 도서 출판 최신성 선호 여부와 가격 수용도를 기준으로 필터링하여 최종 추천 리스트를 제공하였다. 실험을 통해 제안한 방법론이 기존의 협업 필터링 추천 시스템보다 성능이 높음을 검증하였으며, 데이터의 희박성을 낮출 수 있었다. 또한, 도서의 최신성과 사용자가 과거에 구입한 가격범위를 가격 수용도로 적용하여 사용자를 위해 보다 정교하게 추천리스트를 생성함에 따라 성과 향상에 많은 기여를 한 것으로 판단된다. 따라서 본 추천 시스템이 추천 시스템 연구의 발전에 기여하고 고객 만족과 경영에 긍정적인 영향을 미칠 것으로 예상된다.
소셜 미디어의 발전으로 과거에는 정보의 수용자였던 일반 사용자들도 정보와 지식의 제공자가 되었다. 하지만 많은 정보로 인해 오히려 사용자는 구매 결정을 내리는 데 어려움을 느낀다. 사용자들의 선호를 추론하여 구매를 희망하는 아이템을 쉽게 찾을 수 있도록 지원하는 추천 시스템을 활용해 이러한 정보/지식 과부하 문제를 해결하기 위해 노력하고 있지만 과연 사용자들이 선호하는 바를 적절하게 반영할 수 있는 것인가에 대한 지속적인 의문 제기가 있었으며, 보다 나은 성능 향상을 위한 많은 연구 또한 계속 진행되어 왔다. 특히 도서 시장의 소비자들은 도서의 내용과 출판시기, 구입할 수 있는 가격 조건 등을 고려하여 구매한다. 그러나 현재까지 이와 같은 구매행태를 모두 적용한 연구는 없었다. 따라서 본 연구에서는 구매 데이터에 기초하여 토픽 모델링을 적용한 도서의 주제 분석과 사용자의 가격 및 최신성 등의 특성을 반영하고 도서 시장에서 고객에게 적절한 추천을 제공할 수 있는 방법론을 제안한다. LDA 토픽 모델링을 기반으로 도서의 주제를 추출하고 사용자의 선호를 추론한 후 사용자 선호도를 기반으로 유사도를 계산하여 추천 후보 리스트를 생성한 뒤 사용자의 도서 출판 최신성 선호 여부와 가격 수용도를 기준으로 필터링하여 최종 추천 리스트를 제공하였다. 실험을 통해 제안한 방법론이 기존의 협업 필터링 추천 시스템보다 성능이 높음을 검증하였으며, 데이터의 희박성을 낮출 수 있었다. 또한, 도서의 최신성과 사용자가 과거에 구입한 가격범위를 가격 수용도로 적용하여 사용자를 위해 보다 정교하게 추천리스트를 생성함에 따라 성과 향상에 많은 기여를 한 것으로 판단된다. 따라서 본 추천 시스템이 추천 시스템 연구의 발전에 기여하고 고객 만족과 경영에 긍정적인 영향을 미칠 것으로 예상된다.
Thanks to the development of social media, general users become not only consumers but also providers of information and knowledge. But customers still feel difficulty making a decision on their purchases due to overflowing information. Although recommendation systems have launched to solve these pr...
Thanks to the development of social media, general users become not only consumers but also providers of information and knowledge. But customers still feel difficulty making a decision on their purchases due to overflowing information. Although recommendation systems have launched to solve these problems, it may be still questionable how much they can satisfy customers’ needs. Especially, customers in book market consider contents of a book, recentness, and price when they make a purchase. Therefore, in this study, we propose a methodology which can reflect these characteristics based on topic modeling and provide proper recommendations to customers in book market. The current study verifies that our experimental approach shows higher performance than traditional collaborative filtering systems, reducing data sparseness. Additionally, we suggest that our technology create more elaborate recommendation lists to meet user book preferences for the recentness and price affordability, which should make a substantial contribution improvement of book recommendation system. Furthermore, we expect that our technology of book recommendation to significantly impact on the development of studies on recommendation system and the customer satisfaction and management.
Thanks to the development of social media, general users become not only consumers but also providers of information and knowledge. But customers still feel difficulty making a decision on their purchases due to overflowing information. Although recommendation systems have launched to solve these problems, it may be still questionable how much they can satisfy customers’ needs. Especially, customers in book market consider contents of a book, recentness, and price when they make a purchase. Therefore, in this study, we propose a methodology which can reflect these characteristics based on topic modeling and provide proper recommendations to customers in book market. The current study verifies that our experimental approach shows higher performance than traditional collaborative filtering systems, reducing data sparseness. Additionally, we suggest that our technology create more elaborate recommendation lists to meet user book preferences for the recentness and price affordability, which should make a substantial contribution improvement of book recommendation system. Furthermore, we expect that our technology of book recommendation to significantly impact on the development of studies on recommendation system and the customer satisfaction and management.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.