최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기지능정보연구 = Journal of intelligence and information systems, v.22 no.3, 2016년, pp.143 - 163
박지애 (국민대학교 데이터사이언스학과) , 조윤호 (국민대학교 경영대학 경영학부)
The demographics of Internet users are the most basic and important sources for target marketing or personalized advertisements on the digital marketing channels which include email, mobile, and social media. However, it gradually has become difficult to collect the demographics of Internet users be...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
클릭스트림 데이터에는 어떤 것들이 기록되어 있는가? | 이러한 인터넷 사용자의 온라인 행위 정보는 사용자가 하나 또는 그 이상의 웹사이트를 방문한 경로를 기록한 클릭스트림 데이터를 이용하여 보다 객관적이고 정확하게 확인할 수 있으며 클릭스트림 데이터는 설문조사에서 얻을 수 없는 정보까지도 포함하고 있다는 장점을 가지고 있다. 다시 말해, 클릭스트림 데이터에는 인터넷 사용자가 어떤 사이트를 방문했는지, 특정 웹사이트를 얼마나 자주 방문했는지 등에 대한 일련의 온라인 활동들이 기록되어있다(Lourenco et al., 2011). | |
웹서핑은 무엇인가? | 일반적으로 웹서핑(web surfing)으로 표현되는 온라인 행위는 인터넷 사용자가 정보탐색, 온라인 구매 등의 활동을 위해 웹사이트를 방문하는 행위를 의미한다. 이러한 인터넷 사용자의 온라인 행위 정보는 사용자가 하나 또는 그 이상의 웹사이트를 방문한 경로를 기록한 클릭스트림 데이터를 이용하여 보다 객관적이고 정확하게 확인할 수 있으며 클릭스트림 데이터는 설문조사에서 얻을 수 없는 정보까지도 포함하고 있다는 장점을 가지고 있다. | |
SVM의 목적은 무엇인가? | SVM(support vector machine)은 선형, 비선형을 가리지 않고 데이터를 분류할 수 있는 기법이다. 기본 원리는 목표값을 분류할 때 기준이 되는 최적의 분리경계면(hyperplane)을 찾는 것을 목적으로 한다. SVM은 일반적으로 이진 분류(binary classification) 알고리즘으로 사용되나 다분형 SVM(multi-class support vector machine)을 이용하여 다항 분류(multinominal classification)도 가능하다. |
Ban, H. and Y. Kwon, "The Study of the Usage Correlation between Portal and Traditional News Media", Korean Journal of Journalism & Communication Studies, Vol.51, No.1 (2007), 399-426.
Banlioni and Miriam, et al., "Preprocessing and mining web log data for web personalization", Congress of the Italian Association for Artificial Intelligence. Springer Berlin Heidelberg, 2003, 237-249.
Boutsidis, Christos, M. W. Mahoney and P. Drineas, "Unsupervised feature selection for principal components analysis", Proceedings of the 14th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, 2008, 61-69.
Bucklin. Randolph E et al., "Choice and the Internet: From clickstream to research stream", Marketing Letters(2002), 245-258.
Choi, S., Y. Hyun and N. Kim, "Improving Performance of Recommendation Systems Using Topic Modeling", Journal of Intelligence and Information Systems, Vol.22, No.1(2015), 77-93.
De Bock, W. Koen and V. D. Poel, "Predicting website audience demographics for web advertising targeting using multi-website clickstream data", Fundamenta Informaticae, Vol.98, No.1(2010), 49-70.
Eleonora Ivanova, "Predicting website audience demographics based on browsing history", Master's Thesis, Information and Service Management, Aalto University, 2013.
Foody, M. Giles and A. Mathur, "A relative evaluation of multiclass image classification by support vector machines", IEEE, Transactions on geoscience and remote sensing, Vol.42, No.6(2004), 1335-1343.
Gallagher, K. and J. Parsons, "A framework for targeting banner advertising on the Internet", Proc. 30th Hawaii International Conference on System Sciences(HICSS 30), 1997.
Goel, Sharad, M. Jake, Hofman and M. I. Sirer, "Who Does What on the Web: A Large-Scale Study of Browsing Behavior." ICWSM, 2012.
Han, S et al. "Real-Time Purchase Probability Prediction Using Clickstream Data of Internet Storefronts", Entrue Journal of Information Technology, Vol.11, No.1(2012), 101-110.
Huang, Zan et al., "Credit rating analysis with support vector machines and neural networks: a market comparative study", Decision support systems, Vol.37, No.4(2004), 543-558.
Jones et al., "I know what you did last summer: query logs and user privacy", Proceedings of the sixteenth ACM conference on Conference on information and knowledge management. ACM, 2007, 909-914.
Kaufman, Leonard, J. Peter and Rousseeuw, "Finding groups in data: an introduction to cluster analysis", Vol. 344. John Wiley & Sons, 2009.
Kim, I., "Predicting audience demographics of web sites using local cues", Doctoral dissertation, David Eccles School of Business, The University of Utah, 2011.
Kim, Y. et al., "A Study on Method for User Gender Prediction Using Multi-Modal Smart Device Log Data", The Journal of Society for e-Business Studies, Vol.21, No.1(2016), 147-163.
Lee, K. and H. Lee, "A Study on the Combined Decision Tree(C4.5) and Neural Network Algorithm for Classification of Mobile Telecommunication Customer", Journal of Intelligence and Information Systems, Vol.9, No. 1(2003).
Moe and W. Wendy, "Buying, searching, or browsing: Differentiating between online shoppers using in-store navigational clickstream", Journal of consumer psychology, Vol.13, No.1(2003), 29-39.
Montgomery, A. L et al., "Modeling online browsing and path analysis using clickstream data", Marketing Science, Vol.23, No.4 (2004), 579-595.
Murray, D. and K. Durrell, "Inferring demographic attributes of anonymous internet users", Web usage Analysis and User Profiling Workshop, Springer, 2000, 7-20.
Park, Y.-H. and S. F. Peter, "Modeling browsing behavior at multiple websites", Marketing Science, Vol.23, No.3(2004), 280-303.
Poindexter, M. Paula and E. M. Maxwell, "Revisiting the civic duty to keep informed in the new media environment", Journalism & Mass Communication Quarterly, Vol.78, No.1(2001), 113-126.
Provost, Foster and T. Fawcett, "Data Science for Business: What you need to know about data mining and data-analytic thinking", O'Reilly Media, Inc., 2013.
Rumelhart, David E., E. Geoffrey, Hinton and R. J. Williams, "Learning internal representations by error propagation", No. ICS-8506. CALIFORNIA UNIV SAN DIEGO LA JOLLA INST FOR COGNITIVE SCIENCE, 1985.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.