고객의 암묵적 이상형을 반영하여 배우자 선택기준을 동적으로 조정하는 온라인 매칭 시스템: 의사결정나무의 활용을 중심으로 A Matchmaking System Adjusting the Mate-Selection Criteria based on a User's Behaviors using the Decision Tree원문보기
본 연구는 고객이 명시적으로 기재한 배우자 선택기준을 고객의 행동에 기반한 암묵적 선호도를 활용하여 동적으로 조정하는 온라인 데이트 시스템을 제안한다. 최근 미혼남녀를 소개시키는 온라인 데이트시스템에 대한 사용이 증대되면서, 많은 온라인 데이트 서비스 업체들이 더욱 정확한 매칭 서비스를 제공하기 위하여 고객에게 직접 배우자 선정기준을 기재하도록 요구하고 있다. 그러나, 많은 고객들이 자신의 이상형을 명확히 밝히지 않거나, 상황에 따라서 이상형을 조정하기 때문에 고객의 배우자 선택기준을 정확히 파악하는데 어려움이 있다. 이에 본 연구는 고객이 명시적으로 기재한 이상형뿐만 아니라, 고객이 과거 상대 이성에게 보낸 메시지 기록을 분석하여 파악된 암묵적 이상형을 반영하여 매칭을 수행하는 온라인 데이트 시스템을 제안한다. 제안된 시스템은 고객의 행동 데이터가 일정 수 이상으로 축적되면, 이를 데이터마이닝의 의사결정나무 기법으로 분석하여 고객의 암묵적 이상형을 파악하였으며, 이를 동적으로 반영하여 배우자 선택기준을 조정한다. 제안된 매칭 시스템은 Decision Tree based Matchmaking System(DTMS)이라고 명명하였으며, 본 연구에서는 DTMS 시스템을 설계하고 사용자 인터페이스에 대한 프로토타입을 구현하였다.
본 연구는 고객이 명시적으로 기재한 배우자 선택기준을 고객의 행동에 기반한 암묵적 선호도를 활용하여 동적으로 조정하는 온라인 데이트 시스템을 제안한다. 최근 미혼남녀를 소개시키는 온라인 데이트시스템에 대한 사용이 증대되면서, 많은 온라인 데이트 서비스 업체들이 더욱 정확한 매칭 서비스를 제공하기 위하여 고객에게 직접 배우자 선정기준을 기재하도록 요구하고 있다. 그러나, 많은 고객들이 자신의 이상형을 명확히 밝히지 않거나, 상황에 따라서 이상형을 조정하기 때문에 고객의 배우자 선택기준을 정확히 파악하는데 어려움이 있다. 이에 본 연구는 고객이 명시적으로 기재한 이상형뿐만 아니라, 고객이 과거 상대 이성에게 보낸 메시지 기록을 분석하여 파악된 암묵적 이상형을 반영하여 매칭을 수행하는 온라인 데이트 시스템을 제안한다. 제안된 시스템은 고객의 행동 데이터가 일정 수 이상으로 축적되면, 이를 데이터마이닝의 의사결정나무 기법으로 분석하여 고객의 암묵적 이상형을 파악하였으며, 이를 동적으로 반영하여 배우자 선택기준을 조정한다. 제안된 매칭 시스템은 Decision Tree based Matchmaking System(DTMS)이라고 명명하였으며, 본 연구에서는 DTMS 시스템을 설계하고 사용자 인터페이스에 대한 프로토타입을 구현하였다.
A matchmaking system is a type of recommender systems that provides a set of dating partners suitable for the user by online. Many matchmaking systems, which are widely used these days, require users to specify their preferences with regards to ideal dating partners based on criteria such as age, jo...
A matchmaking system is a type of recommender systems that provides a set of dating partners suitable for the user by online. Many matchmaking systems, which are widely used these days, require users to specify their preferences with regards to ideal dating partners based on criteria such as age, job and salary. However, some users are not aware of their exact preferences, or are reluctant to reveal this information even if they do know. Also, users' selection standards are not fixed and can change according to circumstances. This paper suggests a new matchmaking system called Decision Tree based Matchmaking System (DTMS) that automatically adjusts the stated standards of a user by analyzing the characteristics of the people the user chose to contact. AMMS provides recommendations for new users on the basis of their explicit preferences. However, as a user's behavioral records are accumulated, it begins to analyze their hidden implicit preferences using a decision tree technique. Subsequently, DTMS reflects these implicit preferences in proportion to their predictive accuracy. The DTMS is regularly updated when a user's data size increases by a set amount. This paper suggests an architecture for the DTMS and presents the results of the implementation of a prototype.
A matchmaking system is a type of recommender systems that provides a set of dating partners suitable for the user by online. Many matchmaking systems, which are widely used these days, require users to specify their preferences with regards to ideal dating partners based on criteria such as age, job and salary. However, some users are not aware of their exact preferences, or are reluctant to reveal this information even if they do know. Also, users' selection standards are not fixed and can change according to circumstances. This paper suggests a new matchmaking system called Decision Tree based Matchmaking System (DTMS) that automatically adjusts the stated standards of a user by analyzing the characteristics of the people the user chose to contact. AMMS provides recommendations for new users on the basis of their explicit preferences. However, as a user's behavioral records are accumulated, it begins to analyze their hidden implicit preferences using a decision tree technique. Subsequently, DTMS reflects these implicit preferences in proportion to their predictive accuracy. The DTMS is regularly updated when a user's data size increases by a set amount. This paper suggests an architecture for the DTMS and presents the results of the implementation of a prototype.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
다음으로는, 고객과 상대방의 상호 거리의 평균값을 산출한다. 본 연구는 고객뿐만 아니라, 매칭되는 상대방도 추천에 대해서 대칭적으로 만족하는지를 중요한 요소로 고려 하였다. 따라서 Dmi→fj , D fj→mi 가 대칭적일수록 높은 평균값이 산출되고, 비대칭일 때에는 낮은 평균값을 도출하는 조화평균을 사용하여 양자간 거리의 평균인 Dmi⇔fj 를 식 (8)과 같이 산출하였다.
본 연구는 고객이 명시적으로 기재한 배우자 선택기준을 고객의 과거 행동에 기반한 암묵적 이상형 정보를 반영하여 동적으로 조정하는 온라인 데이트 시스템을 제안하였다. 제안된 시스템은 과거에 상대방에게 메시지를 전송한 기록이 적은 신규고객이나 소극적으로 활동하는 고객(inactive users)에게는 명시적인 이상형 기준을 적용하지만, 메시지 전송기록이 축적되면 이를 분석하여 고객의 암묵적 이상형 기준을 매칭에 함께 반영한다.
본 연구는 고객이 명시적으로 기재한 배우자 선택기준을 고객의 과거 행동에 기반한 암묵적 이상형 정보를 반영하여 동적으로 조정하는 온라인 데이트시스템을 제안한다. 제안된 시스템은 고객의 행동 데이타가 분석 가능한 수준으로 축적되면, 데이터마이닝의 의사결정나무 기법으로 데이터를 분석하여 고객의 암묵적 이상형을 파악하고, 이를 시스템에 피드백(feedback)하여 고객의 다음 번 데이트 상대 추천에 반영한다.
또한, 고객의 명시적 이상형과 암묵적 이상형을 복합적으로 사용 하여, 과거 데이터가 부족한 신규고객에 대한 cold start 문제를 해소하였다. 뿐만 아니라, 온라인 데이트시스템의 중요 요소인 고객 및 추천 대상자의 상호 만족도를 함께 고려하여 호혜적인 추천이 이뤄지도록 하였다.
위와 같이 매칭 기준을 완화하기 위하여, 본 연구는 고객의 이상형과 상대방의 실제 프로필 사이의 거리를 산정하였다. 우선, 각 변수 별 단위효과를 제거하기 위하여 식 (3) 과 같이 데이터의 표준화 작업을 수행한다.
국내 연구로는 박윤주(2012)가 고객의 인물정보 및 배우자 기준정보를 활용하여, 고객의 이상형과 확률적으로 가장 유사한 상대방을 선별하는 매칭 시스템을 제안하였다. 이 시스템은 추천받는 고객과 추천되는 상대방의 만족도를 함께 고려하여 상호 호혜적인 추천이 이뤄지도록 하였다. 그러나 위의 연구들은 고객의 명시적인 선호도를 기준으로 추천을 수행하였으며, 고객의 행동에 기반한 암묵적인 선호도를 고려하고 있지는 못하다.
(2010)은 고객의 명시적 프로필과 과거 행동데이타를 동시에 활용하여 매칭을 수행하는 방법을 제안하였다. 즉, 이 연구는 고객의 프로필은 명시적으로 기재하도록 요구하지만, 고객의 배우자 선택기준은 기재를 요구하지 않으며, 대신하여 과거 상대방에게 보낸 메시지 정보를 분석하여 고객의 암묵적 선호도를 파악하는 것이다. 그러나 이 연구는 과거 메시지 전송기록이 충분하지 않은 신규고객이나 소극적인 활동고객(inactive users)의 선호도를 파악하는 데에는 제약이 있어, cold-start 문제가 발생할 수 있다(Schein et al.
가설 설정
본 연구는 고객 C로부터 자신의 나이, 직업, 학력, 연봉, 신장에 대한 프로필 속성 p와, 동일항목들에 대한 선호 이상형의 속성 e를 직접 입력받는다고 가정한다. 이때, 나이, 연봉, 신장, 학력에 대한 고객 프로필과 이상형 프로필은 간격변수(interval variable) 를 사용하였고, 직업속성은 명목변수로 표현하였다.
본 절에서는 고객이 상대방을 추천 받은후, 실제로 추천 받은 상대방에게 관심이 있을 경우에는 메시지는 전송한다고 가정한다. 이때, 메시지를 보냈는지에 대한 결과 데이터를 r로 표현하였다.
이러한 고객의 이상적 배우자 기준은 기본적으로 5차원으로 표현될 수 있다. 이를 시각적으로 나타내기 위하여, 임의의 남성 참가자 mt의 매칭 기준이 28～32세의 공무원 또는 교육업 종사자인 160～164cm의 여성으로, 상대방의 연봉과 학력은 고려하지 않는다고 가정하자. 그러면, 매칭 기준 중 2개의 요소가 null 값을 가지므로, mt의 매칭 기준은<그림 1>과 같은 3차원의 입방체로 표현될 수 있다.
제안 방법
남성참가자 mt 는 명시적으로 25 세～29 세의, 교육업/일반사무직의 직업을 가진, 전문대나 4년제 대학을 졸업한 여성으로 연봉과 신장은 무관하다고 이상형을 기재하였다. 그는 과거에 20명의 상대 여성 참가자를 추천 받았고, 이들 중 10명에게 메시지를 보냈으므로, 기준치인 10개 이상의 행동 데이터 레코드가 수집되어, 암묵적 선호도를 분석하였다. 이렇게 mt의 암묵적 매칭 기준을 분석한 결과, 그는 연봉 3000만 원이상의 29세 미만의 여성, 또는 29세 이상인 여성이라도 연봉이 5000만원 이상인 여성에게 메시지를 전송한다는 것을 알 수 있다.
2절에서는 고객이 과거 상대방들에게 보낸 메시지 기록을 분석하여 고객의 암묵적 배우자 선택기준을 파악하는 방법을 설명한다. 마지막으로 제 3.3절에서는 명시적 이상형에 암묵적 이상형 정보를 반영하여 배우자 기준을 동적으로 조정하는 방법 및 DTMS의 전체적인 구조을 제안한다.
제 Ⅲ장에서는 제안된 DTMS 시스템의 주요개념및 알고리즘을 소개하였으며, 제 Ⅳ장에서는 DTMS의 사용자 인터페이스에 대한 프로토타입을 제시하였다. 마지막으로 제 Ⅴ장에서는 결론 및 향후 연구방안을 기술하였다.
본 연구는, 고객의 암묵적 배우자 선택기준을 위의 의사결정나무의 종단마디(leaf node) 가 Y인 규칙들로부터 추출한다. <그림 5>(b) 의 사례에서는 종단마디(leaf node)가 Y인 규칙이 다음과 같이 두 개 추출되었다.
본 연구에서는 DTMS 시스템을 설계하고, 사용자 인터페이스에 대한 프로토타입을 구현하였다. 제안된 DTMS 시스템은 각 고객별로 매칭 기준을 동적으로 조정하여, 고객의 이상형 변화 및 암묵적 선호도가 추천에 반영될 수 있도록 하였다.
본 장에서는 Decision Tree based Matchmaking System(DTMS)의 운영방식에 대한 흐름을 설명하고, 사용자 인터페이스에 대한 프로토타입을 제안한다.
본 장에서는 고객의 명시적인 매칭 기준과 더불어, 고객의 행동에 기반한 암묵적인 매칭 기준을 반영하여 데이트상태를 추천해주는 Decision Tree based Matchmaking System (DTMS)을 제안한다. 제 3.
이를 위하여, 본 연구는 고객 fj의 프로필 pattribute(mi)가 상대방의 이상형 eattribute(fj)의 폐구간 안에 식 (2)과 같이 포함되었을 때, mi도 fj의 매칭 기준을 충족시킨다고 판단하였다. 위에서 언급한 바와 같이, 직업은 명목변수이므로 pjob(mi)이 ejob(fj)과 일치하는지를 확인하였다. <그림 2>는 남성 참가자 mt와 상호 매칭 기준을 충족하는 여성 참가자 5명 (f1, f4, f11, f22, f43)의 프로필 값을 입방체 내부에 점으로 표시하였다.
위와 같은 방식으로 수집된 고객의 레코드 수가 기준치인 β 이상으로 축적되면, 제안된 DTMS는 이를 의사결정나무 기법으로 분석한다.
국외의 경우, 매칭 시스템에 대한 초기 연구로 Brozovsk and Petricek(2007)이 기존의 협업필터링 기법을 온라인 데이트 분야에 적용한 연구가 있다. 이 연구는 고객의 프로필이나 이상형 정보를 전혀 사용하지 않고, 해당 고객이 과거에 상대방들에게 부여한 선호도 점수만을 활용하여 추천을 수행한다. 이 연구는 추천시스템의 주요한 분야로 온라인 매칭을 인식하였다는 점에서 의의가 있으나, 매칭 시스템에 요구되는 상호 만족성을 고려하지 못하는 등 온라인 데이트 시스템의 특징을 시스템에 충분히 반영하지 못하는 한계가 있다.
따라서 남성 참가자의 프로필도 상대 여성들의 매칭 기준을 충족시켜야만 상호 호혜적인 매칭이 수행될 수 있다. 이를 위하여, 본 연구는 고객 fj의 프로필 pattribute(mi)가 상대방의 이상형 eattribute(fj)의 폐구간 안에 식 (2)과 같이 포함되었을 때, mi도 fj의 매칭 기준을 충족시킨다고 판단하였다. 위에서 언급한 바와 같이, 직업은 명목변수이므로 pjob(mi)이 ejob(fj)과 일치하는지를 확인하였다.
고객의 명시적 배우자 선택 규칙을 Explicit Rule(ER)이라고 하고, 암묵적 선택 규칙들을 Implicit Rule(IR)이라고 하자. 제안된 DTMS 는 제 3.1절에서 설명한 유클리디안 거리 계산법으로, 상대방의 실제 프로필과 ER 및 IR 의 거리를 각각 산출한다. 고객 mi의 ER로부터 상대방 fj 의 프로필간의 거리인 D_ERmi→fj 은 제 3.
본 연구에서는 DTMS 시스템을 설계하고, 사용자 인터페이스에 대한 프로토타입을 구현하였다. 제안된 DTMS 시스템은 각 고객별로 매칭 기준을 동적으로 조정하여, 고객의 이상형 변화 및 암묵적 선호도가 추천에 반영될 수 있도록 하였다. 또한, 고객의 명시적 이상형과 암묵적 이상형을 복합적으로 사용 하여, 과거 데이터가 부족한 신규고객에 대한 cold start 문제를 해소하였다.
제안된 DTMS는 매칭 상대의 수 n이 고객이 희망하는 추천 수 α미만일 경우, 자동으로 고객의 매칭 기준을 확장하여, 차선의 매칭 상대를 α명 만큼 추천하도록 한다.
본 연구는 고객이 명시적으로 기재한 배우자 선택기준을 고객의 과거 행동에 기반한 암묵적 이상형 정보를 반영하여 동적으로 조정하는 온라인 데이트시스템을 제안한다. 제안된 시스템은 고객의 행동 데이타가 분석 가능한 수준으로 축적되면, 데이터마이닝의 의사결정나무 기법으로 데이터를 분석하여 고객의 암묵적 이상형을 파악하고, 이를 시스템에 피드백(feedback)하여 고객의 다음 번 데이트 상대 추천에 반영한다. 본 연구에서 제안한 매칭시스템은 Decision Tree based Matchmaking System(DTMS)이라고 명명하였다.
본 연구는 고객이 명시적으로 기재한 배우자 선택기준을 고객의 과거 행동에 기반한 암묵적 이상형 정보를 반영하여 동적으로 조정하는 온라인 데이트 시스템을 제안하였다. 제안된 시스템은 과거에 상대방에게 메시지를 전송한 기록이 적은 신규고객이나 소극적으로 활동하는 고객(inactive users)에게는 명시적인 이상형 기준을 적용하지만, 메시지 전송기록이 축적되면 이를 분석하여 고객의 암묵적 이상형 기준을 매칭에 함께 반영한다.
(2010)도 협업필터링에 기반한 온라인데이트 시스템을 제안하였으며, 이들은 사용자들 간의 메시지가 긍정적 이었는지, 부정적 이었는지를 고려하여 매칭을 수행하였다. 즉, 사용자가 상대방에게 긍정적인 회신을 받은 경우에만 양자간의 교류를 인정하는 방식으로 행동 데이터를 수집하였으며, 상호 호혜성이 시스템에 반영되도록 하였다. 그러나 이러한 협업 필터링 기법은 매칭 시스템에서 중요하게 인식되는 고객의 프로필 및 이상형에 대한 정보를 활용하지 못하는 한계가 있다.
이론/모형
본 연구는 β 값을 10-fold cross validation을 수행할 수 있는 최소값인 10으로 설정하였고, 의사결정나무 C4.5 알고리즘(Quinlan, 1993)을 사용하여 분석을 수행하였다.
제안된 시스템은 고객의 행동 데이타가 분석 가능한 수준으로 축적되면, 데이터마이닝의 의사결정나무 기법으로 데이터를 분석하여 고객의 암묵적 이상형을 파악하고, 이를 시스템에 피드백(feedback)하여 고객의 다음 번 데이트 상대 추천에 반영한다. 본 연구에서 제안한 매칭시스템은 Decision Tree based Matchmaking System(DTMS)이라고 명명하였다. DTMS는, 과거 행동 데이타가 부족한 신규 고객이나 소극적으로 활동하는 고객(inactive users)에 대해서는 고객과 상대방의 명시적인 매칭 기준에 기반하여 매칭을 수행한다.
성능/효과
첫째, 각 고객별로 매칭 기준을 동적으로 조정하여, 고객의 변화하는 이상형 기준이 매칭에 반영되도록 하였다. 둘째, 고객의 명시적 이상형과 암묵적 이상형을 복합적으로 사용하여, 과거 데이터가 부족한 신규고객에 대한 cold start 문제를 해소하였다. 마지막으로, 온라인 데이트 시스템의 중요 요소인 고객 및 추천 대상자의 상호 만족도를 함께 고려하여 호혜적인 추천이 이뤄지도록 하였다.
제안된 DTMS 시스템은 각 고객별로 매칭 기준을 동적으로 조정하여, 고객의 이상형 변화 및 암묵적 선호도가 추천에 반영될 수 있도록 하였다. 또한, 고객의 명시적 이상형과 암묵적 이상형을 복합적으로 사용 하여, 과거 데이터가 부족한 신규고객에 대한 cold start 문제를 해소하였다. 뿐만 아니라, 온라인 데이트시스템의 중요 요소인 고객 및 추천 대상자의 상호 만족도를 함께 고려하여 호혜적인 추천이 이뤄지도록 하였다.
둘째, 고객의 명시적 이상형과 암묵적 이상형을 복합적으로 사용하여, 과거 데이터가 부족한 신규고객에 대한 cold start 문제를 해소하였다. 마지막으로, 온라인 데이트 시스템의 중요 요소인 고객 및 추천 대상자의 상호 만족도를 함께 고려하여 호혜적인 추천이 이뤄지도록 하였다. 이러한 연구를 통하여, 향후 온라인 데이트 서비스가 고객 스스로도 인지하지 못하고 있는 내제된 이상형을 더욱 정확하고, 체계적으로 반영할 수 있을 것으로 기대된다.
본 연구에서 제안한 Decision Tree based Matchmaking System(DTMS)는 다음의 세 가지 특징을 갖는다. 첫째, 각 고객별로 매칭 기준을 동적으로 조정하여, 고객의 변화하는 이상형 기준이 매칭에 반영되도록 하였다. 둘째, 고객의 명시적 이상형과 암묵적 이상형을 복합적으로 사용하여, 과거 데이터가 부족한 신규고객에 대한 cold start 문제를 해소하였다.
후속연구
이러한 연구를 통하여, 향후 온라인 데이트 서비스가 고객 스스로도 인지하지 못하고 있는 내제된 이상형을 더욱 정확하고, 체계적으로 반영할 수 있을 것으로 기대된다. 또한, 매칭기준 조정이 필요한 고객에 대하여, 고객별로 중요하게 고려하는 요소 및 상대적으로 조정이 용이한 요소를 파악하여, 획일적인 매칭 기준 확장방식에 따른 고객 불만족을 줄일 수 있을 것으로 생각된다.
본 연구의 한계점은, 가상의 데이터를 활용하여 실험하였기 때문에, 시스템의 예측 성능을 평가하지 않았다는 것이다. 고객이 실제로 선호할만한 상대방을 얼마나 정확히 추천하는지에 대한 성능평가는 매칭 시스템 연구의 중요한 요소이다.
이 연구는 고객의 프로필이나 이상형 정보를 전혀 사용하지 않고, 해당 고객이 과거에 상대방들에게 부여한 선호도 점수만을 활용하여 추천을 수행한다. 이 연구는 추천시스템의 주요한 분야로 온라인 매칭을 인식하였다는 점에서 의의가 있으나, 매칭 시스템에 요구되는 상호 만족성을 고려하지 못하는 등 온라인 데이트 시스템의 특징을 시스템에 충분히 반영하지 못하는 한계가 있다. Krzywicki et al.
마지막으로, 온라인 데이트 시스템의 중요 요소인 고객 및 추천 대상자의 상호 만족도를 함께 고려하여 호혜적인 추천이 이뤄지도록 하였다. 이러한 연구를 통하여, 향후 온라인 데이트 서비스가 고객 스스로도 인지하지 못하고 있는 내제된 이상형을 더욱 정확하고, 체계적으로 반영할 수 있을 것으로 기대된다. 또한, 매칭기준 조정이 필요한 고객에 대하여, 고객별로 중요하게 고려하는 요소 및 상대적으로 조정이 용이한 요소를 파악하여, 획일적인 매칭 기준 확장방식에 따른 고객 불만족을 줄일 수 있을 것으로 생각된다.
이렇게 고객이 메시지를 전송한 결과는 과 같이 메시지 전송결과를 관리하는 데이터베이스에 저장되어, 추후 암묵적 선호도를 분석하는데 활용된다.
그러나 가상의 데이터를 활용한 예측성능의 평가는 무의미 하기 때문에, 본 논문에서는 이에 대한 연구를 수행하지 않았다. 향후, 실제 데이터를 활용한 예측성능 평가 및 이에 기반한 모형의 보완 작업을 수행할 필요가 있겠다.
질의응답
핵심어
질문
논문에서 추출한 답변
매칭 시스템이란 무엇인가?
매칭 시스템은 추천시스템의 하나로, 고객의 개인정보, 이상형 정보, 행동패턴 등을 분석하여, 해당 고객에게 적합한 데이트 상대를 추천하는 시스템이다. 다수의 온라인 데이트 업체들이 매칭 시스템에 기반하여 추천서비스를 제공하고 있으며(Deepens, 2010), 미국시장 점유율 1위 업체인 match.
협업 필터링 기법의 한계점은 무엇인가?
즉, 사용자가 상대방에게 긍정적인 회신을 받은 경우에만 양자간의 교류를 인정하는 방식으로 행동 데이터를 수집하였으며, 상호 호혜성이 시스템에 반영되도록 하였다. 그러나 이러한 협업 필터링 기법은 매칭 시스템에서 중요하게 인식되는 고객의 프로필 및 이상형에 대한 정보를 활용하지 못하는 한계가 있다.
Decision Tree based Matchmaking System이 갖는 특징은 무엇인가?
본 연구에서 제안한 Decision Tree based Matchmaking System(DTMS)는 다음의 세 가지 특징을 갖는다. 첫째, 각 고객별로 매칭 기준을 동적으로 조정하여, 고객의 변화하는 이상형 기준이 매칭에 반영되도록 하였다. 둘째, 고객의 명시적 이상형과 암묵적 이상형을 복합적으로 사용하여, 과거 데이터가 부족한 신규고객에 대한 cold start 문제를 해소 하였다. 마지막으로, 온라인 데이트 시스템의 중요 요소인 고객 및 추천 대상자의 상호 만족도를 함께 고려하여 호혜적인 추천이 이뤄지도록 하였다. 이러한 연구를 통하여, 향후 온라인 데이트 서비스가 고객 스스로도 인지하지 못하고 있는 내제된 이상형을 더욱 정확하고, 체계적으로 반영할 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.