최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.19 no.2, 2014년, pp.193 - 200
조영성 (동양미래대학교 전산정보학부) , 문송철 (남서울대학교 컴퓨터학과) , 류근호 (충북대학교 전자컴퓨터공학부)
Due to the advent of ubiquitous computing environment, it is becoming a part of our common life style. And tremendous information is cumulated rapidly. In these trends, it is becoming a very important technology to find out exact information in a large data to present users. Collaborative filtering ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
SOM이란? | SOM은 신경회로망(Neural Network)의 일종으로 신경회로망의 중요한 특징 중에 하나는 환경으로부터 학습을 하고, 학습을 통한 수행능력을 가지고 있다. SOM은 외부의 피드백이나 지도가 없이 스스로 학습하여 입력자료에서 의미있는 패턴이나 특징을 발견하는 시스템이다[5]. SOM은 입력 벡터를 훈련집합에서 match 되도록 가중치가 조정되는 인공신경세포 (Neuron) 격자에 기초한 자율학습(Unsupervised Learning)의 한 방법이다. | |
신경회로망이 가지는 중요한 특징 중 하나는 무엇인가? | SOM은 신경회로망(Neural Network)의 일종으로 신경회로망의 중요한 특징 중에 하나는 환경으로부터 학습을 하고, 학습을 통한 수행능력을 가지고 있다. SOM은 외부의 피드백이나 지도가 없이 스스로 학습하여 입력자료에서 의미있는 패턴이나 특징을 발견하는 시스템이다[5]. | |
RFM의 세 가지 구성 요소는 무엇인가? | 세분화 기법의 RFM(Recency, Frequency, and Monetary)은 세 가지 요소로 구성되어진다. 첫째, 최근성은 최근에 구매한 고객이 앞으로 구매할 가능성이 높다는 판단 하에 최근 구매일이 가까울수록 높은 점수를 부여한다. 둘째, 빈도성은 일정 기간 동안의 거래 빈도에 따라 고객을 세분화 하는 것으로, 빈도가 높은 고객일수록 앞으로 구매할 가능성이 높다는 판단 하에 거래 빈도가 높을수록 높은 점수를 부여한다. 셋째, 총구매액은 일정기간 동안의 아이템 구입에 사용한 총 구매금액에 따라 고객을 세분화하는 것으로, 총 구매금액이 높은 고객이 앞으로 구매할 가능성이 높다는 판단 하에 총 구매금액이 높을수록 높은 점수를 부여한다[2,3]. 고객 데이터는 RFM을 이용하여 세분화가 가능하다. |
Cho, Y.S., Moon, S.C., Noh, S.C., Ryu, K.H.: mplementation of Personalized recommendation System using k-means Clustering of Item Category based on RFM. In: 2012 IEEE International Conference on Management of Innovation &Technology Publication (June 2012)
Park, H.B, Y.S., Moon, S.C., Ko, H.H.: Clustering Method of Weighted Preference Using K-means Algorithm and Bayesian Network for Recommendation System. In: Journal of Information Technology & Management, Vol. 20, No. 3, pp. 219-230, (2013)
Cho, Y.S., Moon, S.C., Jeong, S.P., Oh, I.B., Ryu, K.H.: Clustering Method using Item Preference based on RFM for Recommendation System in u-Commerce. In: (eds.) Ubiquitous Information Technologies and Applications. LNEE, vol. 214, pp. 353-362. Springer, Hidelberg (2012)
Wei, J.-T., Lin, S.-Y. and Wu, H.-H.: The review of the application of RFM model. In: African Journal of Business Management, Vol. 4, No. 19, pp. 4199-42060, (2010)
Verdu. S. V. : Classification, Filtering, and Identification of Electrical Customer Load Patterns Through the Use of Self-Organizing Maps. In : IEEE Trans. Power System. Vol. 21, No.4, pp. 1672-168 (2006).
Jun S.H.: Technology Marketing using PCA , SOM, and STP Strategy Modeling. In: IJCSI(International Journal of Computer Science Issues), Vol. 8, Issue 1, January 2011
Kate A. Smith, Jatinder N. D Gupta.: Neural Networks in Business: Techniques and Applications. In: The IDEA GROUP PUBLISHING (2001).
T. Kohonen, Self-Organizing Maps. In: Springer (2000)
Cho, Y.S., Moon, S.C. Ryu, K.H.: SOM Clustering Method based on RFM Analysis for Predicting Customer Purchase Pattern in u-Commerce. In: KSCI , The Korea Society of Computer and Information Summer Conference 2013, ( Jul, 2013)
Herlocker, J.L., Kosran, J.A., Borchers, A., Riedl, J.: An Algorithm Framework for Performing Collaborative Filtering.In: Proceedings of the 1999 Conference on Research and Development in Information Research and Development in Information Retrival (1999)
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.