$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

연관규칙기법과 분류모형을 결합한 상품 추천 시스템: G 인터넷 쇼핑몰의 사례

The Product Recommender System Combining Association Rules and Classification Models: The Case of G Internet Shopping Mall

Information Systems Review v.8 no.1 , 2006년, pp.181 - 201  
초록

오늘날 인터넷이 확산되어감에 따라, e-CRM에 대한 관심이 증대되고 있다. 그 중에서도 특히 '추천시스템'은 e-CRM의 여러 응용분야 중에서도 실무적으로 그리고 학문적으로 가장 활발하게 연구되고 있는 분야 중 하나다. 추천을 위한 여러가지 방법들 중에서, 지금까지 주류를 이뤄온 방법들은 협동 필터링(Collaborative Filtering) 기법과 내용 기반(Content-Based) 접근법이다. 그러나 이러한 기존 방법들은 몇 가지 태생적인 한계점으로 인해 고객의 구매 이력이 많지 않은 중소형 인터넷 쇼핑몰에 적용하기 어렵다는 단점이 있다. 이에, 본 연구에서는 고객의 인구통계 및 구매정보에 2가지 데이터마이닝 기법들(연관 관계 기법과 분류 기법)을 적용하고, 이 결과를 조정 에이전트를 통해 결합하는 형태의 새로운 추천 시스템의 모형과 시스템 구조 체계를 제안한다. 제안된 연구 모형의 유용성을 검증하기 위해, 본 연구에서는 실제 사례에 적용한 웹 기반 프로토타입을 개발, 활용하였다. 프로토타입의 유용성을 실제 사용자들로부터 설문을 통해 조사해 본 결과, 본 연구에서 제안한 추천모형이 생성한 맞춤 정보가 사용자들에게 매우 유익하게 인지됨을 확인하였다.

Abstract

As the Internet spreads, many people have interests in e-CRM and product recommender systems, one of e-CRM applications. Among various approaches for recommendation, collaborative filtering and content-based approaches have been investigated and applied widely. Despite their popularity, traditional recommendation approaches have some limitations. They require at least one purchase transaction per user. In addition, they don't utilize much information such as demographic and specific personal profile information. This study suggests new hybrid recommendation model using two data mining techniques, association rule and classification, as well as intelligent agent to overcome these limitations. To validate the usefulness of the model, it was applied to the real case and the prototype web site was developed. We assessed the usefulness of the suggested recommendation model through online survey. The result of the survey showed that the information of the recommendation was generally useful to the survey participants.

저자의 다른 논문

참고문헌 (34)

  1. 강부식, '자기 조직화 신경망을 이용한 협력적 여과 기법의 웹 개인화 시스템에 대한 연구', 한국지능정보시스템학회논문지, 제9권, 제3호, 2003, pp. 117-135 
  2. 김재경, 서지혜, 안도현, 조윤호, 'A Personalized Recommendation Methodology based on Collaborative Filtering', 한국지능정보시스템학회 논문지, 제8권, 제2호, 2002, pp. 139-157 
  3. 김재경, 안도현, 조윤호, 'Development of a Personalized Recommendation Procedure based on Data Mining Techniques for Internet Shopping malls', 한국지능정보시스템학회논문지, 제9권, 제3호, 2003, pp. 177-191 
  4. 김재경, 안도현, 조윤호, '개인별 상품추천시스템, WebCF PT: 웹 마이닝과 상품계층도를 이용한 협업필터링', 경영정보학연구, 제15권, 제1호, 2005, pp. 63-79 
  5. 김종우, 배세진, 이홍주, '협업 필터링 기반 개인화 추천에서의 평가자료의 희소 정도의 영향', 경영정보학연구, 제14권, 제2호, 2004, pp. 131-149 
  6. 조윤호, 박수경, 안도현, 김재경, '재구성된 제품 계층도를 이용한 협업 추천 방법론 및 그 평가', 한국경영과학회지, 제29권, 제2호, 2004, pp. 59-75 
  7. Adomavicius, G. and A. Tuzhilin, 'Toward the Next Generation of Recommender Systems: A Survey of the State-of-the-Art and Possible Extensions', IEEE Transactions on Knowledge and Data Engineering, Vol. 17, No.6, 2005, pp. 734-749 
  8. Aggarwal, C.C., Z. Sun, and P.S. Yu, 'Online Algorithms for Finding Profile Association Rules', Proceedings of the seventh international conference on Information and knowledge management, 1998, pp. 86-95 
  9. Balabanovic, M. and Y Shohm, 'Fab: Content Based, Collaborative Recommendation', Communications of the ACM, Vol.40, No.3, 1997, pp. 66-72 
  10. Berry, M.J.A. and G. Linoff, Data Mining Techniques: For Marketing, Sales and Customer Support, New York, NY, John Wiley & Sons, 1997 
  11. Cho, Y.H., J.K. Kim, and S.H. Kim, 'A Personalized Recommender System based on Web usage Mining and Decision Tree Induction', Expert Systems with Applications, Vol.23, 2002, pp. 329-342 
  12. Cho, Y.H. and J.K. Kim, 'Application of Web usage Mining and Product Taxonomy to Collaborative recommendations in e-commerce', Expert Systems with Applications, Vol.26, 2004, pp. 233-246 
  13. Funakoshi, K. and T. Ohguro, 'A Content Based Collaborative Recommender System with Detailed Use of Evaluations', Proceedings of the 4th International Conference on Knowledge-Based Intelligent Engineering Systems & Allied Technologies, 2000, pp. 253-256 
  14. Goldberg, D., D. Nichols, B.M. Oki, and D. Terry, 'Using Collaborative Filtering to Weave an Information Tapestry', Communications of the ACM, Vol.35, No.12, 1992, pp. 61-70 
  15. Iyengar, V. and T. Zhang, 'Empirical Study of Recommender Systems Using Linear Classifiers', Proceedings of the 5th Pacific-Asia Conference on Knowledge Discovery and Data Mining, Apr. 2001, pp. 16-27 
  16. Kim, C.Y., J.K. Lee, Y.H. Cho, and D.H. Kim, 'VISCORS: A Visual Content Recommender for the Mobile Web', IEEE Intelligent Systems, Vol.19, Issue 6, 2004, pp. 32-39 
  17. Kim, D. and B.J. Yum, 'Collaborative Filtering based on Iterative Principal Component Analysis', Expert Systems with Applications, Vol. 28, No.4, 2005, pp. 823-830 
  18. Kim, J.K., Y.H. Cho, W.J. Kim, J.R. Kim, and J.H. Suh, 'A Personalized Recommendation Procedure for Internet Shopping Support', Electronic Commerce Research and Applications, Vol.1, 2002, pp. 301-313 
  19. Kim, K.-S. and I. Han, 'The Cluster-Indexing Method for Case based Reasoning using Selforganizing Maps and Learning Vector Quantization for Bond Rating Cases', Expert Systems with Applications, Vol.21, No.3, 2001, pp. 147-156 
  20. Konstan, J., B. Miller, D. Maltz, J. Herlocker, L. Gordon, and J. Riedl, 'GroupLens: Applying Collaborative Filtering to Usenet News', Communications of the ACM, Vol.40, No.3, Mar. 1997, pp. 77-87 
  21. Krulwich, B., 'Lifestyle Finder: Intelligent User Profiling Using Large-Scale Demographic Data', Artificial Intelligence Magazine, Vol. 18, Issue 2, Summer 1997, pp. 37-45 
  22. Lawrence, R., G. Almasi, V. Kotlyar, M. Viveros, and S. Duri, 'Personalization of Supermarket Product Recommendations', Data Mining and Knowledge Discovery, Vol.5, Issue 1-2, Jan.-Apr. 2001, pp. 11-32 
  23. Lee, C.H., Y.H. Kim, and P.K. Rhee, 'Web Personalization Expert with Combining Collaborative Filtering and Association Rule Mining Technique', Expert Systems with Applications, Vol. 21, Issue 3, 2001, pp. 131-137 
  24. Liu, D.-R. and Y-Y. Shih, 'Integrating AHP and Data Mining for Product Recommendation based on Customer Lifetime Value', Information & Management, Vol.42, No.3, 2005, pp. 387-400 
  25. Pazzani, M.J., 'A Framework for Collaborative, Content-based and Demographic Filtering', Artificial Intelligence Review, Vol.13, No. 5-6, 1999, pp. 393-408 
  26. Resnick, P., N. Iacovou, M. Suchak, and P. Bergstrom, 'GroupLens: An Open Architecture for Collaborative Filtering of Netnews', Proceedings of the ACM Conference on Computer Supported Cooperative Work, 1994, pp. 175-186 
  27. Roh, T.H., K.J. Oh, and I. Han, 'The Collaborative Filtering Recommendation based on SOM Cluster-Indexing CBR', Expert Systems with Applications, Vol.25, No.3, 2003, pp. 413-423 
  28. Sarwar, B., G. Karypis, J. Konstan, and J. Riedl, 'Application of Dimensionality Reduction in Recommender Systems: A Case Study', Proceedings of the WebKDD Workshop at the ACM SIGKKD, 2000 
  29. Schafer, J., J. Konstan, and J. Riedl, 'E-Commerce Recommendation Applications', Journal of Data Mining and Knowledge Discovery, Vol.5, No.1-2, 2001, pp. 115-153 
  30. Stegmann, R., M. Koch, M. Lacher, T. Leckner, and V. Renneberg, 'Generating Personalized Recommendations in a Model-Based Product Configurator System', Proceedings of Workshop on Corifiguration held in conjunction with 18th International Joint Conference on Artificial Intelligence (IJCAI-03), Acapulco, Mexico, Aug. 9-15, 2003 
  31. Wang, Y.-F., Y.-L. Chuang, M.-H. Hsu and H.-C. Keh, 'A Personalized Recommender System for the Cosmetic Business', Expert Systems with Applications, Vol.26, No.3, 2004, pp. 427-434 
  32. Wielenga, D., B. Lucas and J. Georges, Enterprise Miner(TM): Applying Data Mining Techniques Course Note, SAS Institute Inc., Cary, NC, 1999 
  33. Wu, K.-L., C.C. Aggarwal, and P.S. Yu, 'Personalization with dynamic profiler', Proceedings of the Third International Workshop on Advanced Issues of E-commerce and Web-based Information Systems, 2001, pp. 12-20 
  34. Yu, P.S., 'Data Mining and Personalization', Proceedings of the Sixth International Conference on Database Systems for Advanced Applications, April 19-21, 1999, pp. 6-13 

이 논문을 인용한 문헌 (4)

  1. Kim, Jae-Kyeong ; Oh, Hee-Young ; Kwon, Oh-Byung 2007. "Product-group Recommendation based on Association Rule Mining and Collaborative Filtering in Ubiquitous Computing Environment" 한국IT서비스학회지 = Journal of Information Technology Services, 6(2): 113~123 
  2. Cho, In-Dong ; Kim, Nam-Gyu 2011. "Recommending Core and Connecting Keywords of Research Area Using Social Network and Data Mining Techniques" 지능정보연구 = Journal of intelligence and information systems, 17(1): 127~138 
  3. Lee, Hong-Joo 2011. "A Study of the Relationship between Purchase Association and Contents Similarity of Products in e-Commerce" 한국IT서비스학회지 = Journal of Information Technology Services, 10(2): 281~292 
  4. Kim, Byoung-Kug ; Jeong, Seok-Bong ; Kwon, Ki-Seok 2013. "A study on relational analysis of purchasing items of on-line shopping mall based on social network analysis" 디지털정책연구 = The Journal of digital policy & management, 11(11): 209~217 

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

상세조회 0건 원문조회 0건

DOI 인용 스타일