문제 정의

• 따라서 본 논문에서는 260여개의 반려동물 사료 데이터의 특성을 분석하여 콘텐츠 기반 추천시스템에 활용될 수 있는 효율적인 유사성 측정 방법과 군집방법에 대해 제안한다[1-3].
• 후)헬스케어 시스템">헬스케어시스템 및 추천시스템에 관한 관심이 높아지고 있다. 따라서 본 논문에서는 이러한 시스템에 활용할 수 있도록 국내 유통 중인 260여 개의 반려동물 사료를 대상으로 7대 중요 영양소를 분석하여 군집화 하였다. 먼저 데이터의 전처리 과정으로 본 논문에서는 3.1절에서 분석한 사료 데이터의 특성을 기반으로 이에 적합한 유사성 측정 방법에 대해 제안한다.
• 후)군집 분석과">군집분석과 K-means 군집분석을 이용하여 분석하였다. 위에서 분석한 사료 데이터의 특성을 기반으로 이에 적합한 유사성 측정 방법을 제안했다. 특히

  가설 설정

  • 평균적으로 데이터 값을 0으로 놓는 정규화는 초기의 데이터 값의 분포를 정규분포로 가정 한다. 이때의 기본 생각은 평균값은 0으로 하고, 평균값에서 멀어질수록 값을

    제안 방법

    • 후)정규화하였고,">정규화 하였고, 범위를 벗어난 데이터를 정제하였다. 다음으로 군집분석을 위해 사료의 특징 간 유사도를 측정하였다. 분석한 사료 데이터의 특성을 기반으로 이에 적합한 유사성 측정 방법을 4.
    • 후)무게알러지">무게 알러지 등 반려동물 관련 정보를 입력하게 한다. 둘째, 고객 행동 데이터 수집기 개발로 서비스 플랫폼 내에서 반려동물 보호자를 대상으로 어떤 행동을 하는지 분석을 위하여, 상품 클릭정보, 카테고리 클릭정보, 검색정보 등을 수집한다. 플랫폼 내에서 발생하는 ">군집화 하였다. 먼저 데이터의 전처리 과정으로 특성 간 데이터의 범위를 일치시키기 위해 데이터를 정규화 하였고, 범위를 벗어난 데이터를 정제하였다. 다음으로 반려동물용 사물인터넷기기, SNS, 쇼핑몰에서 추출되는 방대한 데이터를 바탕으로 수학적 모델 기반의 유사성을 분석하여 개인 맞춤형 서비스를 수행하는 플랫폼을 개발하였다. 반려동물

      대상 데이터

      • 국내 유통 중인 260여 개의 반려동물 사료를 대상으로 6대 중요 영양소와 수분을 분석하여 군집화 하였다. 먼저 데이터의 전처리 과정으로 후)다음Fig.">다음 Fig. 2와 같이 6대 주요영양소는 조단백, 조지방, 조섬유, 조회분, 인, 칼슘과 수분의 비율을 활용하였으며 기타 영양소로는 비타민A, 비타민C, 비타민D3, 비타민E, 오메가-3, 오메가-6, DHA, EPA, 유산균 등 21개의 영양소 포함 여부를 사용하였다.
      • 본 논문에서 사용한 데이터는 국내외에서 유통되고 있는 260여개의 강아지 및 고양이 사료 제품 중 100개의 데이터를 랜덤하게 샘플로 추출하여 실험하였다. 후)특성(feature)은">특성 (feature)은 6대 주요영양소와 수분 및 기타 영양소 정보를 활용하였다.

        이론/모형

        • 후)군집 분석은">군집분석은 계층적 군집분석과 K-means 군집분석을 이용하여 분석하였다. 위에서 분석한 사료 데이터의 특성을 기반으로 이에 적합한 유사성 측정 방법을 제안했다.
        • 셋째, 고객 성향 추천 분석기 개발로 고객은 반려동물 쇼핑몰 플랫폼에서 상품을 고를 때, 주목적은 “반려동물을 위한 상품을 찾는 것”인 것을 설문성 이벤트 통계결과로 확인하였고, 추천분석을 위한 알고리즘은, 현재 널리 쓰이고 있는 CF(Collaborative Filtering)을 채택하였으며, 현재 데이터 수집 및 사용자 피드백 상황을 고려할 때 명시적 피드백수집이 원활하지 않으므로, 암시적 피드백을 이용하였다[13].
        • 후)특징간">특징 간 유사도를 측정하였다. 유사도 측정 알고리즘은 Euclidean distance, Jaccard distance, Cosine distance, Manhattan Distance를 이용하였다. 후)특징간">특징 간 유사도를 측정하였다. 유사도 측정 알고리즘은 Euclidean distance, Jaccard distance, Cosine distance, Manhattan Distance를 이용하였다[14,15]. 데이터의 군집화를 위해서는 두 객체 사이 거리 또는 차이를 수치화하는 유사도 측정이 반드시 필요하다. 유사도를 측정하는 알고리즘으로는 유클리디안(Euclidean) 기반. 코사인(Cosine) 기반, 쟈카드(Jaccard)

          후속연구

          • 후)군집정확도를">군집 정확도를 높이기 위해서 기존 주요 영양소 정보와 더불어 원재료 데이터를 추가적으로 분석할 필요성이 있다. 또한, 사용자의 구매정보와 반려동물의 사료 하루 섭취량을 병합하여 분석한다면 반려동물의 헬스케어스 시스템, 추천시스템 등에 고도화된 서비스가 가능할 것이다.
          • 위에서 분석한 사료 데이터의 특성을 기반으로 이에 적합한 유사성 측정 방법을 제안했다. 특히 향 후 연구할 부분으로는 추천시스템의 군집 정확도를 높이기 위해서 기존 주요 영양소 정보와 더불어 원재료 데이터를 추가적으로 분석할 필요성이 있다. 또한, 사용자의