[논문]기계학습을 활용한 상하의 의류 자동매칭시스템 구현

김정인

기계학습을 활용한 상하의 의류 자동매칭시스템 구현
An Implementation of Automatic Upper-Lower Clothes Matching System Using Machine Learning 원문보기 논문타임라인

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.13 no.3, 2010년, pp.467 - 474

초록
AI-Helper

인터넷을 이용하는 패션/코디 쇼핑몰은 그 시장이 매년 큰 폭으로 증가하고 있다. 온라인 패션 쇼핑몰들은 매출을 증가시키기 위하여 신상품을 눈에 잘 띄는 곳에 배치하거나, 모델을 도입하여 상품을 돋보이게 표시하는 등 많은 노력을 기울이고 있다. 그러나, 온라인 패션 쇼핑몰에서 판매하는 다양한 상품들에 대하여 상의와 하의의 어울리는 정도를 자동으로 계산하여 표기할 수 있다면, 오프라인에서의 점원에 의한 추천을 대신하여 사용자들의 연계 구매가 한층 편리할 것으로 기대된다. 본 연구에서는 여성복의 패션 코디네이션 쇼핑몰 구축 시, 내용 기반 필터링 방식(Content-based filtering)의 기계학습을 이용하여 상의와 하의의 어울리는 정도를 자동 계산하여 추천해주는 시스템을 설계하고 구현하였다.

Abstract ▼ AI-Helper

The market of Internet-based fashion/coordination shopping malls have been growing rapidly year by year. In accordance with this growth, Internet fashion shopping malls are also making a lot of efforts to increase their revenue by displaying new fashion products on a high spot or by having professional models wear them to make them more attractive to the customers. If online shopping malls have the functionality of automatically calculating the matching degree of lower and upper clothes, it could play a role of off-line shop assistants and provide a more convenient way of purchasing fashion products for customers. In this paper, we present a learning system adopting the content-based filtering method for online shopping malls, which automatically calculates the matching degree of lower and upper clothes and recommends the most well-matched pair.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

과정이다. 물론 이들 데이터에서 어울리는 옷을 찾는 것이 이번 연구의 목표이다. 주로 판매자들이 직접 둥록해야 하는데, 이때 주의할 점은 의류의 속성을 정확히 등록해야 한다.
본 논문에서 제안한 상의-하의 자동매칭 시스템의 유효성을 검증하기 위하여 패션디자인분야와 그렇지 않은 분야의 학생들을 대상으로 간단한 테스트를 진행하였다. 10명이 참가하였으며(각 분야 5명), 매칭 대상의 상의-하의 의류는 실제 데이터를 대상으로 30쌍을 임의 선정하였다.

가설 설정

(5) 사진의 모델에게는 어울리지만 모델이 입고 있는 옷이 자신에게도 어울리는지 보장할 수 없다. (개인의 신체적 특성이 무시되어 추천된다)

제안 방법

이어서 IBL기반 방식으로 매칭하여 어울리는 하의 의류들을 찾아낸다. 마지막으로 출력된 하의 의류를 대상으로 실제 의류데이터에서 유사도 계산에 의한 유사의류를 검색한다. 유사도별로 정 렬하여 매칭된 의류들로 출력하면 모든 과정이 끝나게 된다.
매칭된 상의-하의 의류의 결과가 사용자의 생각과 얼마나 일치하는지를 정량화해서 나타내어보도록 실험을 행하였다. 이 결과는 코디 취향의 개인차에 따라 크게 달라지며 큰 의미를 부여하기 어렵겠지만, 객관화하여 수치로 나타내어 보도록 한다.
컴퓨터가 전문가의 인공지능을 사용하여 상의와 하의 의 어울리는 정도를 자동으로 계산하여 표기할 수 있다면, 오프라인에서의 점원에 의한 추천을 대신하여 사용자들의 연계 구매가 한층 편리할 것이다. 본 연구에서는 여성복의 패션 코디네이션 쇼핑몰 구축 시, 내용 기반 필터링 방식 (Content-based filtering)의 기계학습을 이용하여 상의와 하의의 어울리는 정도를 자동 계산하여 추천해주는 시스템을 설계하고 구현하였다.
본 연구에서는 여성복의 패션 코디네이션 시스템구축을 위해 여성복의 특성을 가장 잘 나타낼 수 있는 속성이 정의되었다고 가정하고[7, 8], 내용 기반 필터링 방식을 이용하여 가장 어울리는 의류를 찾아내는 방법과 그에 따른 알고리즘을 작성하여, 한 벌의 의류를 추천할 수 있도록 알고리즘을 제안하고 시스템을 구현하였다. 각 속성의 분류와 속성에 사용된 속성값의 지정은 어울리는 의류를 찾아내는데 결정적인 역할을 담당하지만, 어떤 분류방법과 속성 값이 가장 적절한지는 경험을 통해서 꾸준히 조절해 나가야 한다[7].
어울리는 의류를 계산하여 추천해 주는 시스템을 실제로 구현해 보았다. 그림 6은 상의를 선택했을 경우, 어울리는 하의를 추천해준 것이고 그림 7은 하의를 선택했을 경우 어울리는 상의를 추천해주는 화면이다.
흐름을 가진다. 우선 트레이닝 데이터를 수집하여 이를 대상으로 전문가의 지능을 학습한다. 이어서 의류제공자(판매자)는 실제 판매할 의류를 실제 의류 데이터에 등록하게 된다.

대상 데이터

진행하였다. 10명이 참가하였으며(각 분야 5명), 매칭 대상의 상의-하의 의류는 실제 데이터를 대상으로 30쌍을 임의 선정하였다. 어울리는 정도를 5단계로 평가하였으며, 그 결과를 표 4에 나타낸다.
이를 구현하기 위해서는 인간(전문가)의 코디네이션 능력을 기계에게 학습시켜야 하는데, 전문가의 지식을 기계에게 학습시켜 어울리는 의류를 검색해내는 모델로 IBL(Instance Based Learning)을 사용하도록 한다. 이 방법은 어울리는 상하의류에 대한 전문가의 생각을 정 량화하여 미리 등록해 두어야 하며, 이를 위하여 학습용 트레이닝 데이터로 상의 150벌과 하의 100벌을 준비하였다. 트레이닝 데이터의 각상의에 대한 하의의 어울리는 정도를 10단계로 부여하며, 모든 상의에 대한 하의의 어울리는 정도를 1에서 10사이의 매칭값으로 부여한다.
S값이 가장 큰 상위 3개를 선택한다. 이제 선택된 상위 3개의 의류를 대상으로 하위 100벌에 대하여 학습된 매칭값에 따라 어울리는 점수가 높은 의류 (현재는 8점 이상)를 전부 검색한다. 이제 트레이닝 데이터에서 어울리는 의류들을 찾게 되었다.

이론/모형

선택되어진 실제 의류는 트레이닝 데이터에서 상의 150벌을 대상으로 가장 유사한 의류를 찾는다. 유사한 의류를 찾는 방법은 속성 값의 크기가 비교적 잘 반영 된 Nearest neighbor 방식을 이용하며, 계산식을 간략히 표현하면 다음과 같다[4丄
있다. 이를 구현하기 위해서는 인간(전문가)의 코디네이션 능력을 기계에게 학습시켜야 하는데, 전문가의 지식을 기계에게 학습시켜 어울리는 의류를 검색해내는 모델로 IBL(Instance Based Learning)을 사용하도록 한다. 이 방법은 어울리는 상하의류에 대한 전문가의 생각을 정 량화하여 미리 등록해 두어야 하며, 이를 위하여 학습용 트레이닝 데이터로 상의 150벌과 하의 100벌을 준비하였다.

성능/효과

(3) 오프라인 상점과는 달리 어떤 상의가 어떤 하의와 어울리는지 추천받지 못하여 연계 구매의 한 형태인 한 벌 구매 시 불편함을 느낀다.
보통 이상을 유효한 매칭이라 볼 때, 패션 전공자의 75%와 일반 사람의 83%가 컴퓨터가 추천한 의류에 대해 어색하지 않다는 긍정적 인 답변을 하였다. 즉, 전체의 약 79%가 매칭 시스템의 결과가 유효하다고 판단하였다.
하였다. 즉, 전체의 약 79%가 매칭 시스템의 결과가 유효하다고 판단하였다. 또한, 잘 어울림 5점, 대체로 어울림 4점, 보통임 3점, 어색함 2점, 많이 어색함 1점을 부여하여 평균점수를 계산한 결과, 패션전공자는 3.

후속연구

위에서 나열한 불편함들이 해소된 의류 쇼핑몰 시스템을 제작하면 사용자는 더욱 편리하고 편안하게 인터넷 의류 쇼핑몰을 이용할 수 있을 것이다. 최근에는 고객이 원하는 상품을 추천해 주는 추천시스템에 대한 연구가 활발히 진행되어, 추천시스템은 인터넷 쇼핑몰을 재구성하는 필수적인 비즈니스 도구가 되었다 [3-5].
않다. 차후, IBL(Instance Based Learning) 방식의 어울리는 의류 추천방법과는 다르게, 전문가의 작업이 경감되도록 의류의 속성간 관계를 직접 지정하는 방식을 구현하고 두 방식의 결과를 분석해볼 계획이다.
평균 점수는 여러 전문가의 학습데이터를 준비하여 자신에게 맞는 전문가의 트레이닝 데이터를 선택한다면 사용자별로 훨씬 높은 만족도를 보일 수 있을 것으로 사료된다. 또한, 추천하는 의류는 어디까지나 추천이며, 최후의 선택은 사용자의 몫이므로 설사 사용자의 생각과 일치하지 않더라도 본 시스템이 적용된 인터넷 의류쇼핑몰에서 부담 없이 재미삼아 추천을 받고 상의-하의를 맞추어 보기에는 모자람이 없다.

참고문헌 (8)
타임라인 바로가기

정경용, 김진현, 정헌만, 이정현, "개인화 추천 시스템에서 연관 관계 군집에 의한 아이템 기반의 협력적 필터링 기술," 정보과학회 논문지, 제31권, 제4호, pp. 467-477, 2004.

인용구절

인용 구절

적은 자본으로 개성있는 인터넷 의류 쇼핑몰을 운영하려는 판매자도 많고, 구매력이 있는 젊은 여성이 인터넷 의류쇼핑몰에서 자신에 어울리는 의류를 구매하는 일은이제 보편적인 생활이 된 것이다[1,2].
김영설, 김병천, 윤병주, "개선된 추천시스템을 이용한 전자상거래시스템 설계 및 구현," 정보 처리학회논문지, 제9-D권, 제2호, pp. 329-336, 2002.

인용구절

인용 구절

적은 자본으로 개성있는 인터넷 의류 쇼핑몰을 운영하려는 판매자도 많고, 구매력이 있는 젊은 여성이 인터넷 의류쇼핑몰에서 자신에 어울리는 의류를 구매하는 일은이제 보편적인 생활이 된 것이다[1,2].
이건호, 이동훈, "사례기반추론과 규칙기반추론을 이용한 e-쇼핑몰의 상품추천 시스템," 정보처리학회논문지, 제11-D권, 제5호, pp. 1189-1196, 2004.

인용구절

인용 구절

최근에는 고객이 원하는 상품을 추천해 주는 추천시스템에 대한 연구가 활발히 진행되어, 추천시스템은 인터넷 쇼핑몰을 재구성하는 필수적인 비즈니스 도구가되었다［3-5］.

그리고 내용기반 필터 링 방식에서는 상품의 특성을 가장 잘 나타낼 수있는 속성을 파악해 내는 것이 매우 중요하다［3,6］.
J. Ben Schafer, Joseph A. Konstan, and John Riedl, "E-Commerce Recommendation Applications," Journal of Data Mining and Knowledge Discovery, Vol. 5, Issue 1-2, pp.115-153, 2001.

상세보기
인용구절

인용 구절

최근에는 고객이 원하는 상품을 추천해 주는 추천시스템에 대한 연구가 활발히 진행되어, 추천시스템은 인터넷 쇼핑몰을 재구성하는 필수적인 비즈니스 도구가되었다［3-5］.
Gediminas Adomavicius and Alexander 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, Issue 6, pp. 734-749, 2005.

상세보기
인용구절

인용 구절

최근에는 고객이 원하는 상품을 추천해 주는 추천시스템에 대한 연구가 활발히 진행되어, 추천시스템은 인터넷 쇼핑몰을 재구성하는 필수적인 비즈니스 도구가되었다［3-5］.
안형준, 김종우, "인터넷 상점에서의 내용기반 추천을 위한 상품 및 고객의 자질 추출 성능 비교," 정보처리학회 논문지, 제13-D권, 제2호, pp. 279-286, 2006.

인용구절

인용 구절

그리고 내용기반 필터 링 방식에서는 상품의 특성을 가장 잘 나타낼 수있는 속성을 파악해 내는 것이 매우 중요하다［3,6］.
김정인, "지능형 패션 코디네이션 시스템에서 유사의류 추천방법," 멀티미디어학회 논문지, 제12권, 5호, pp. 688-698, 2009.

원문보기 상세보기 타임라인에서 보기
인용구절

인용 구절

본 연구에서는 여성복의 패션 코디네이션 시스템구축을 위해 여성복의 특성을 가장 잘 나타낼 수 있는 속성이 정의되었다고 가정하고［7,8］, 내용 기반 필터링 방식을 이용하여 가장 어울리는 의류를 찾아내는 방법과 그에 따른 알고리즘을 작성하여, 한 벌의의류를 추천할 수 있도록 알고리즘을 제안하고 시스템을 구현하였다.

각 속성의 분류와 속성에 사용된속성값의 지정은 어울리는 의류를 찾아내는데 결정적인 역할을 담당하지만, 어떤 분류방법과 속성 값이가장 적절한지는 경험을 통해서 꾸준히 조절해 나가야 한다［7］.
임성신, 최창민, 이영숙, 김정인, "지능형 패션코디네이션시스템의 분석," 멀티미디어학회 춘계학술발표대회 논문집, pp. 267-270, 2007.

인용구절

인용 구절

본 연구에서는 여성복의 패션 코디네이션 시스템구축을 위해 여성복의 특성을 가장 잘 나타낼 수 있는 속성이 정의되었다고 가정하고［7,8］, 내용 기반 필터링 방식을 이용하여 가장 어울리는 의류를 찾아내는 방법과 그에 따른 알고리즘을 작성하여, 한 벌의의류를 추천할 수 있도록 알고리즘을 제안하고 시스템을 구현하였다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증