선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 기대된다. 따라서 본 연구에서는 유전자 알고리즘을 활용하여 규칙을 자동적으로 생성하고 이를 활용하여 상품을 추천하는 추천기법을 제안한다. 본 연구에서 제안하는 추천기법은 확장성과 희박성의 문제가 한계점인 기존의 추천기법의 한계점을 보완할 수 있는 규칙기반 추천기법의 일종이지만, 데이터로부터의 규칙 생성과정을 자동화한 기법으로 규칙기반 추천기법의 단점을 보완한 방법이라고 할 수 있다.
- 참고). 따라서 본 연구에서는 탐색과정을 이해하기 쉽도록 간단하게 요약하여 설명하도록 한다. 유전자 알고리즘은 우선 임의의 값을 가진 초기화된 개체집단을 생성한다.
- 사상의 방법은 여러 가지가 있는데 해당 사례 내에서 유전자 알고리즘이 효율적인 탐색을 하도록 하기 위해서는 탐색 목적에 적합한 효과적인 사상방법을 찾아야만 한다. 본 연구에서 유전자 알고리즘을 수행하는 목적은 고객데이터를 활용하여 특정 상품을 구매하는 고객을 예측할 수 있는 추천규칙을 찾는 것이다. 즉, <표 1>에 열거된 16개의 변수와 그 가능한 속성범주의 조합으로 모집단 염색체를 구성하고 유전자 알고리즘 고유의 연산과정인 선택, 교배, 돌연변이 연산과 이에 대한 적합도 평가를 하게 된다.
- 그러나 규칙기반 추천기법의 경우에도 선행연구에서 추천규칙 생성의 어려움이 가장 큰 한계점으로 지적되었다. 본 연구에서는 규칙 기반 추천기법의 한계점을 보완하고자 전역 탐색데이터 마이닝 기법 중 하나인 유전자 알고리즘을 활용하여 상품 추천을 위한 마케팅 규칙을 생성하고 모델 기반의 추천시스템의 프로토타입을 구축하였다. 본 연구에서 제안한 모형은 규칙기반 추천기법에서 규칙 생성을 용이하게 해 주는 장점이 있다.
- 본 연구에서는 기존의 상품추천시스템들의 이러한 한계점을 보완할 수 있는 유전자 알고리즘 (genetic algorithms) 기반의 추천기법을 제안한다. 본 연구에서 제안하는 기법은 기존 방법들의 한계점을 보완할 수 있는 규칙기반 추천기법의 일종이지만, 규칙기반 추천기법의 한계점이라고 할 수 있는 규칙 추출의 어려움을 보완한 기법이다.
- 본 연구에서는 유전자 알고리즘 기반의 추천 모듈을 보조하기 위해, 의사결정나무 기반의 추천 모듈을 사용하여 생성된 규칙을 보조적으로 사용하게 된다. 본 연구에서 사용하는 의사결정 나무 분석기법은 Gini index 최소화를 분기 기준으로 이용하는 CART(classification and regression tree; Breiman et al.
- 본 연구에서는 유전자 알고리즘에 기반한 상품추천시스템을 제안하고 이의 유용성을 확인하기 위해 가상의 인터넷 쇼핑몰을 구축하고 사용자들의 이용 만족도를 확인하는 방식으로 제안된 기법의 유용성을 확인하고자 한다.
- 본 연구에서는 협업필터링과 같이 상품추천시스템에 많이 활용되고 있는 기존의 추천방법의 한계점을 지적하고 이 한계점들을 보완할 수 있는 방법으로 규칙기반의 추천기법이 유용할 수 있음을 주장하였다. 그러나 규칙기반 추천기법의 경우에도 선행연구에서 추천규칙 생성의 어려움이 가장 큰 한계점으로 지적되었다.
- 유전자 탐색 과정에서 필요한 적합도(fitness) 평가의 목적은 특정 DVD 상품군에 대한 구매 또는 비구매에 대한 오분류률을 최소화함과 동시에 특정 상품을 구매할 수 있는 고객들의 속성을 파악하기 위함이다. 본 연구에서 활용된 적합도 함수와 그 평가과정은 아래와 같다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.