최근 기업은 시장 점유율을 높이기 위하여 고객의 다양한 요구를 반영한 제품을 지속적으로 출시하고 있다. 다양한 기능과 가격, 디자인의 제품이 시장에 출시됨에 따라 사용자는 여러 요인들을 고려하여 선택해야 하는 어려움이 있다. 특히 변화의 속도가 빠른 IT 기기의 경우에는 여러 가지 전문적인 지식까지 필요한 경우가 많아 더욱 더 선택을 어렵게 만든다. 디지털 카메라도 저변이 확대됨에 따라 다양한 종류의 카메라가 출시되고 있으며 카메라를 선택하는 소비자는 카메라의 기능과 가격, 디자인 등을 비교하기 위해 많은 시간과 노력을 투자해야 한다. 본 연구는 IT 기기에 익숙하지 않은 사용자들도 가장 적합한 기기를 추천받을 수 있도록 하기 위하여 다기준 의사결정(MCDM) 기법의 하나인 계층분석과정(AHP) 기법 및 내용기반 필터링과 협업 필터링 기법을 접목한 하이브리드 필터링 기법을 이용하여 개인화된 추천 시스템을 설계하고 구현하였다.
최근 기업은 시장 점유율을 높이기 위하여 고객의 다양한 요구를 반영한 제품을 지속적으로 출시하고 있다. 다양한 기능과 가격, 디자인의 제품이 시장에 출시됨에 따라 사용자는 여러 요인들을 고려하여 선택해야 하는 어려움이 있다. 특히 변화의 속도가 빠른 IT 기기의 경우에는 여러 가지 전문적인 지식까지 필요한 경우가 많아 더욱 더 선택을 어렵게 만든다. 디지털 카메라도 저변이 확대됨에 따라 다양한 종류의 카메라가 출시되고 있으며 카메라를 선택하는 소비자는 카메라의 기능과 가격, 디자인 등을 비교하기 위해 많은 시간과 노력을 투자해야 한다. 본 연구는 IT 기기에 익숙하지 않은 사용자들도 가장 적합한 기기를 추천받을 수 있도록 하기 위하여 다기준 의사결정(MCDM) 기법의 하나인 계층분석과정(AHP) 기법 및 내용기반 필터링과 협업 필터링 기법을 접목한 하이브리드 필터링 기법을 이용하여 개인화된 추천 시스템을 설계하고 구현하였다.
Recently, most of firms have continuously released new products satisfying various needs of customers in order to increase market share. As a lot of products with various functionalities, prices and designs are released in the market, users have difficulties in choosing an appropriate product, espec...
Recently, most of firms have continuously released new products satisfying various needs of customers in order to increase market share. As a lot of products with various functionalities, prices and designs are released in the market, users have difficulties in choosing an appropriate product, especially for information technology driven devices. In case of digital cameras, inexperienced users spend a lot of time and efforts to find proper model for them. In this study, therefore, we design and implement a personalized recommendation system using analytic hierarchy process, one of the multi-criteria decision making techniques, and hybrid filtering combining content-based filtering and collaborative filtering to recommend a suitable product for inexperienced users of information technology devices.
Recently, most of firms have continuously released new products satisfying various needs of customers in order to increase market share. As a lot of products with various functionalities, prices and designs are released in the market, users have difficulties in choosing an appropriate product, especially for information technology driven devices. In case of digital cameras, inexperienced users spend a lot of time and efforts to find proper model for them. In this study, therefore, we design and implement a personalized recommendation system using analytic hierarchy process, one of the multi-criteria decision making techniques, and hybrid filtering combining content-based filtering and collaborative filtering to recommend a suitable product for inexperienced users of information technology devices.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 이러한 문제점을 개선하기 위하여 디지털 카메라에 대한 높은 수준의 지식 없이도 계층 분석과정을 통하여 자신이 어떠한 요인을 얼마나 중요하게 생각하는지를 파악하고 유사한 사용자들의 정보를 이용하는 협업 필터링을 통하여 쉽고 빠르게 자신에게 가장 적합한 모델을 추천 받는 개인화된 디지털 카메라 추천 시스템을 설계하고 웹상에서 사용 가능하도록 구현하고자 한다.
제안 방법
CF 모듈은 사용자 프로파일에서 입력받은 값을 토대로 동일한 집단의 선호도 점수를 산출한다. 다른 사용자의 정보가 저장된 데이터베이스에서 CF 값을 정규화하고 최종적으로 CF 점수를 계산한다. 이때 현 사용자와 동일 집단을 파악하기 위하여 flag를 적용하며 각 카메라의 CF 값을 이용하여 계산한다.
먼저 계층분석과정을 실시하기 위하여 디지털 카메라 선택에 있어 중요하게 생각하는 요인을 선정하였다. 디지털 카메라에 대한 사용경험이 있는 사용자를 대상으로 사전조사를 실시하여 다섯 가지 요인을 찾아내었다. 이들 요인은 가격, 화소, 줌기능, 화면크기, 무게로서 내용기반 필터링(CBF)을 활용한 각 요인의 정규화 된 값과 계층분석과정(AHP)을 통하여 산출된 가중치를 이용하여 가장 적합한 제품을 추천하도록 하였다.
또한 협업 필터링을 실시하기 위하여 성별, 연령, 직업과 같은 인구통계학적 특성과 카메라 선택에 영향을 미칠 수 있는 과거의 카메라 사용경험 및 카메라의 활용에 영향을 미칠 것으로 예측되는 자녀유무를 변수로 추가하였다.
본 연구에서는 디지털 카메라를 추천하기 위하여 계층분석과정 및 내용기반 필터링과 협업 필터링을 결합한 하이브리드 필터링 기법을 이용하였다. 먼저 계층분석과정을 실시하기 위하여 디지털 카메라 선택에 있어 중요하게 생각하는 요인을 선정하였다. 디지털 카메라에 대한 사용경험이 있는 사용자를 대상으로 사전조사를 실시하여 다섯 가지 요인을 찾아내었다.
본 논문에서 설계한 추천 시스템을 웹상에서 작동하는 시스템으로 구현하였다. 웹서버는 Windows Server 2008 R2의 IIS를 이용하였다.
본 연구에서는 추천 시스템에 사용될 각 요인에 대한 가중치를 결정하기 위하여 AHP 기법을 적용하였고, 스마트폰 애플리케이션 추천 연구(김수연 외, 2011a) 및 개인화된 추천을 위한 하이브리드 협업 필터링 알고리즘(김기수, 2008) 등의 기존 연구를 토대로 CBF와 CF를 결합한 하이브리드 추천 기법을 제안한다.
본 추천 시스템은 개인화된 추천 결과 뿐 아니라 성별, 연령대별, 직업별 등 미리 설계된 추천 결과 화면을 제공한다. <그림 4>는 직업에 따른 추천 결과 출력 화면이다.
산출된 가중치로부터 각 모델의 정보를 이용하여 모델별 CBF 점수를 산출하고 동시에 모델별 CF 점수를 산출한다. 산출된 CBF 점수와 CF점수를 이용하여 각각의 디지털 카메라의 추천 점수를 산출한 뒤 그 결과를 출력한다. 출력된 제품 중 사용자가 마음에 드는 제품이 있다면 그 제품의 CF 점수를 증가시켜 다음 추천에 이용하도록 한다.
추천을 하기 위하여 사용자의 프로파일을 입력하고 AHP 모듈에서 가중치를 산출한다. 산출된 가중치로부터 각 모델의 정보를 이용하여 모델별 CBF 점수를 산출하고 동시에 모델별 CF 점수를 산출한다. 산출된 CBF 점수와 CF점수를 이용하여 각각의 디지털 카메라의 추천 점수를 산출한 뒤 그 결과를 출력한다.
디지털 카메라에 대한 사용경험이 있는 사용자를 대상으로 사전조사를 실시하여 다섯 가지 요인을 찾아내었다. 이들 요인은 가격, 화소, 줌기능, 화면크기, 무게로서 내용기반 필터링(CBF)을 활용한 각 요인의 정규화 된 값과 계층분석과정(AHP)을 통하여 산출된 가중치를 이용하여 가장 적합한 제품을 추천하도록 하였다.
사용자에게 가장 적합한 디지털 카메라를 추천하기 위한 전체적인 플로우차트는 <그림 1>과 같다. 추천을 하기 위하여 사용자의 프로파일을 입력하고 AHP 모듈에서 가중치를 산출한다. 산출된 가중치로부터 각 모델의 정보를 이용하여 모델별 CBF 점수를 산출하고 동시에 모델별 CF 점수를 산출한다.
이론/모형
본 연구에서는 디지털 카메라를 추천하기 위하여 계층분석과정 및 내용기반 필터링과 협업 필터링을 결합한 하이브리드 필터링 기법을 이용하였다. 먼저 계층분석과정을 실시하기 위하여 디지털 카메라 선택에 있어 중요하게 생각하는 요인을 선정하였다.
성능/효과
기능 위주의 분류를 통한 필터링도 존재하지만 이는 각각의 기능에 대한 이해를 필요로 하기 때문에 디지털 기기에 익숙하지 못한 사용자에게는 어렵고 불편한 시스템이다. 이에 반해 본 추천 시스템의 경우 추천에 사용하는 다섯 가지 기본적인 요인 이외에 추가적으로 숙지해야 할 기능이 없으므로 더욱 쉽게 사용자들에게 적합한 상품을 추천해 줄 수 있었다.
후속연구
또한 이 추천 시스템은 본 연구에서 사례로 제시한 디지털 카메라 뿐 아니라 다양한 상품 및 서비스에 쉽게 확대 적용할 수 있으므로 그 파급효과가 크다고 할 수 있으며 매우 유용하게 사용될 수 있다. 하지만 본 연구에서는 기존에 축적된 CF 데이터가 없어 실험 데이터를 가상으로 생성했다는 점과 추천된 결과물에 대한 다수 사용자 대상의 실질적인 평가가 이루어지지 않았다는 한계를 지닌다.
또한 이 추천 시스템은 본 연구에서 사례로 제시한 디지털 카메라 뿐 아니라 다양한 상품 및 서비스에 쉽게 확대 적용할 수 있으므로 그 파급효과가 크다고 할 수 있으며 매우 유용하게 사용될 수 있다. 하지만 본 연구에서는 기존에 축적된 CF 데이터가 없어 실험 데이터를 가상으로 생성했다는 점과 추천된 결과물에 대한 다수 사용자 대상의 실질적인 평가가 이루어지지 않았다는 한계를 지닌다. 향후 이러한 문제점을 개선하기 위한 추가적인 연구가 필요하며 통계 분석을 이용한 객관적인 평가가 이루어져야 할 것이다.
하지만 본 연구에서는 기존에 축적된 CF 데이터가 없어 실험 데이터를 가상으로 생성했다는 점과 추천된 결과물에 대한 다수 사용자 대상의 실질적인 평가가 이루어지지 않았다는 한계를 지닌다. 향후 이러한 문제점을 개선하기 위한 추가적인 연구가 필요하며 통계 분석을 이용한 객관적인 평가가 이루어져야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
하이브리드 추천 기법은 어떠한 필터링들을 조합하였는가?
앞서 살펴본 내용기반 필터링, 협업 필터링 기법 뿐 아니라 지식 기반(Knowledge-Based) 필터링, 활용 기반(Utility-Based) 필터링 등의 추천 기법이 있고 이들을 조합한 하이브리드 추천 기법을 활용하기도 한다(Albadvi & Shahbazi, 2009; Campos et al., 2010; Kagie et al.
디지털 카메라 선택에 있어 중요하게 생각하는 요인은 무엇인가?
디지털 카메라에 대한 사용경험이 있는 사용자를 대상으로 사전조사를 실시하여 다섯 가지 요인을 찾아내었다. 이들 요인은 가격, 화소, 줌기능, 화면크기, 무게로서 내용기반 필터링(CBF)을 활용한 각 요인의 정규화 된 값과 계층분석과정(AHP)을 통하여 산출된 가중치를 이용하여 가장 적합한 제품을 추천하도록 하였다.
내용기반 필터링이란?
내용기반 필터링(CBF: Content-Based Filtering)은 고객 프로파일을 제품의 속성과 비교 분석하여 추천하는 기법으로 사용자가 선호하는 정보를 이용하여 유사한 제품을 추천하는 것이다(Shih & Liu, 2008; 선철용 외, 2010). 내용기반 필터링은 다른 사용자의 선호와 관계없이 목표고객의 선호를 이용하여 추천하게 되며(Barragáns-Martínez et al, 2010, Shih & Liu,2008), 각각의 고객 프로파일은 고객이 구매한 제품의 특성에 의해 분석된다(Albadvi & Shahbazi, 2009).
참고문헌 (26)
김기수, "개인화된 추천을 위한 하이브리드 협업필 터링 알고리즘 및 인터넷 전자상거래에서의 활용", 인터넷전자상거래연구, 8(4), pp. 1-20, 2008.
A. Albadvi and M. Shahbazi, "A hybrid recommendation technique based on product category attributes," Expert Systems with Applications, 36(9), pp. 11480-11488, 2009.
A. B. Barragans-Martinez, E. Costa-Montenegro, J. C. Burguillo, M. Rey-Lopez, F. a. Mikic- Fonte, and A. Peleteiro, "A hybrid content-based and item-based collaborative filtering approach to recommend TV programs enhanced with singular value decomposition," Information Sciences, 180(22), pp. 4290-4311, 2010.
L. M. de Campos, J. M. Fernandez-Luna, J. F. Huete, and M. a. Rueda-Morales, "Combining content-based and collaborative recommendations: A hybrid approach based on Bayesian networks," International Journal of Approximate Reasoning, 51(7), pp. 785-799, 2010.
Deng-Neng Chen, Paul Jen-Hwa Hu, Ya-Ru Kuo, and Ting-Peng Liang, "A Web-based personalized recommendation system for mobile phone selection: Design, implementation, and evaluation", Expert Systems with Applications, 37(12), pp. 8201-8210, 2010.
A. Gorener, K. Toker, and K. Ulucay, "Application of Combined SWOT and AHP: A Case Study for a Manufacturing Firm," Procedia - Social and Behavioral Sciences, 58, pp. 1525-1534, 2012.
Kagie, M., Van der Loos, M., and Van Wezel, M., "Including item characteristics in the probabilistic latent semantic analysis model for collaborative filtering," AI Communications, 22(4), pp. 249-265, 2009.
E. Karami, "Appropriateness of farmers' adoption of irrigation methods: The application of the AHP model," Agricultural Systems, 87(1), pp. 101-119, 2006.
Y. Shih and D. Liu, "Product recommendation approaches: Collaborative filtering via customer lifetime value and customer demands," Expert Systems with Applications, 35(1-2), pp. 350-360, 2008.
L. -A. Vidal, E. Sahin, N. Martelli, M. Berhoune, and B. Bonan, "Applying AHP to select drugs to be produced by anticipation in a chemotherapy compounding unit," Expert Systems with Applications, 37(2), pp. 1528-1534, 2010.
L. -A. Vidal, F. Marle, and J. -C. Bocquet, "Using a Delphi process and the Analytic Hierarchy Process (AHP) to evaluate the complexity of projects," Expert Systems with Applications, 38(5), pp. 5388-5405, 2011.
W. Woerndl, C. Schueller, and R. Wojtech, "A Hybrid Recommender System for Context-aware Recommendations of Mobile Applications," 2007 IEEE 23rd International Conference on Data Engineering Workshop, pp. 871-878, 2007.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.