최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기Journal of information technology applications & management = 한국데이타베이스학회지, v.24 no.1, 2017년, pp.111 - 128
송희석 (Department of Global IT Business in Hannam University)
Existing studies for recommender have focused on recommending an appropriate item based on the customer preference. However, it has not yet been studied actively to recommend purchase timing for the repurchase product despite of its importance. This study aims to propose MLP and RNN models based on ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
구매이력 정보만을 활용한 예측 모형의 장점은 무엇인가? | 본 연구에서는 구매일자와 구매제품으로 구성된 간단한 구매이력 정보만을 활용하여 고객의 재구매시기를 예측하는 모형을 제안하는 것을 목표로 한다. 구매이력 정보만을 활용한 예측 모형은 반복구매가 빈번한 어떤 도메인에서도 적용 가능하기 때문에 범용성이 높다는 장점을 가진다. 제안된 모형은 모바일 SMS 또는 스마트폰용 앱을 기반으로 한 푸쉬 방식의 쿠폰 프로모션을 포함한 고객관계관리(CRM) 시스템을 구축하는 데 활용될 수 있다. | |
시계열 데이터를 사용하는 마이닝 기법들은 어떠한 기법인가? | 한편 시계열 데이터만을 사용하여 고객의 재구매 시기를 예측하는 연구 중 가장 활발하게 연구되는 분야로 주기적 패턴 마이닝(Periodic pattern mining), 순차패턴 마이닝(Sequential pattern mining),그리고 순환패턴 마이닝(Cyclic pattern mining) 등이 있다. 이들은 시계열로 수집된 이벤트 데이터로부터 주기성이나 순차패턴 또는 순환패턴을 발견하는 데이터마이닝 기법들이다. 이들 기법 중 본 연구에서와 같이 순차패턴에서 이벤트 간 시간 간격을 발견하는데 초점을 둔 연구로는 Chiang et al. | |
구매이력 정보만을 활용한 예측 모형이 범용성이 높은 이유는 무엇인가? | 본 연구에서는 구매일자와 구매제품으로 구성된 간단한 구매이력 정보만을 활용하여 고객의 재구매시기를 예측하는 모형을 제안하는 것을 목표로 한다. 구매이력 정보만을 활용한 예측 모형은 반복구매가 빈번한 어떤 도메인에서도 적용 가능하기 때문에 범용성이 높다는 장점을 가진다. 제안된 모형은 모바일 SMS 또는 스마트폰용 앱을 기반으로 한 푸쉬 방식의 쿠폰 프로모션을 포함한 고객관계관리(CRM) 시스템을 구축하는 데 활용될 수 있다. |
Agrawal, R., Ieong, S., and Velu, R., Timing When to Buy, ACM Conference on Information and Knowledge Management (CIKM), 2011.
Bastien, F., Lamblin, P., Pascanu, R., Bergstra, J., Goodfellow, I., Bergeron, A., Bouchard, N., Warde-Farley, D., and Bengio, Y., Theano : new features and speed improvements, NIPS 2012 deep learning workshop, 2012.
Bayus, B., L., "The Consumer Durable Replacement Buyer", Journal of Marketing, Vol. 55, No. 1, 1991, pp. 42-51.
Bengio, Y., Simard, P., and Frasconi, P., "Learning long-term dependencies with gradient descent is difficult", IEEE Transactions on Neural Networks, Vol. 5, No. 2, 1994, pp. 157-166.
Chen, Y. L. and Huang, T. C. K., "Discovering fuzzy time-interval sequential patterns in sequence databases", IEEE Syst. Trans. Man Cybernet Part B, Vol. 35, No. 5, 2005, pp. 959-972.
Chiang, D. A., Lee, S. L., Chen, C. C., and Wang, M. H., "Mining interval sequential patterns", International Journal of Intelligent System, Vol. 20, No. 3, 2005, pp. 359-373.
Glorot, X. and Bengio, Y., Understanding the difficulty of training deep feedforward neural networks, Proceedings of the International Conference on Artificial Intelligence and Statistics(AISTATS'10), 2010.
Gould, B. W. and Dong, D., "The Decision of When to Buy a Frequently Purchased Good : A Multi-Period Probit Model", Journal of Agricultural and Resource Economics, Vol. 25, No. 2, 2000, pp. 636-652.
Hinton, G. E., Osindero, S., and Teh, Y., "A fast learning algorithm for deep belief nets", Neural Computation, Vol. 18, 2006, pp. 1527-1554.
Hu, Y. H., Huang, T. C., Yang, H. R., and Chen, Y. L., "On mining multi-time-interval sequential patterns", Data Knowledge Engineering, Vol. 68, No. 10, 2009, pp. 1112-1127.
Mulder, W. D., Bethard, S., and Moens, M.-F., "A survey on the application of recurrent neural networks to statistical language modeling", Computer Speech and Language, Vol. 30, No. 1, 2015, pp. 61-98.
Oh, J., Kim, S., Kim, J., and Yu, H., "When to recommend : A new issue on TV show recommendation", Information Sciences, Vol. 280, No. 1, 2014, pp. 261-274.
Rendle, S., Freudenthaler, C., and Schmidt-Thieme, L., Factorizing personalized markov chains for next-basket recommendation, In WWW Conference, 2010, pp. 811-820.
Sato, M., Izumo, H., and Sonoda, T., Discount Sensitive Recommender System for Retail Business, Proceedings of the 3rd Workshop on Emotions and Personality in Personalized Systems, 2015, pp. 33-40.
Wang, J., Sarwar, B., and Sundaresan, N., Utilizing related products for post-purchase recommendation in e-commerce, Proceedings of the fifth ACM conference on Recommender systems, 2011, pp. 329-332.
Zhao, G., Lee, M. L., and Wynne, H., Utilizing Purchase Intervals in Latent Clusters for Product Recommendation, Proceedings of the 8th Workshop on Social Network Mining and Analysis (SNAKDD'14), 2014, pp. 1-9.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.