[논문]E-Commerce에서의 퍼지 클러스터링 알고리즘을 적용한 추천 시스템

Lyou, Hae-Ri; Kim, Moon-Hyun

[국내논문] E-Commerce에서의 퍼지 클러스터링 알고리즘을 적용한 추천 시스템 원문보기

Lyou, Hae-Ri , Kim, Moon-Hyun

인터넷의 발전으로 전 세계적으로 다양한 인터넷 서비스들이 점차 확대되고 있으며, 특히 수익을 내는 방법으로서의 인터넷 전자상거래는 큰 비중을 차지하고 있다. 이에 수많은 사이트, 쇼핑몰은 상품과 고객들의 수많은 데이터를 데이터베이스 모듈로 관리하고 있다. 이렇게 고객에게 맞는 상품을 추천하기 위해 효율적으로 클러스터링 하는 방법이 요구된다. 이에 본 논문에서는 여러 클러스터링 방법 중에서 퍼지 이론을 기반으로 개선된 클러스터링 알고리즘을 이용하여 상품을 추천하고자 한다 이 방법은 클러스터의 개수가 한정되어 있는 기존의 방법에 클러스터의 유사도에 따른 유사성을 부여함으로써 더 세밀하고 정확한 클러스터링을 가능케 하여 이에 따른 개인의 성향에 맞게 개인화된 상품을 추천하는 시스템을 설계하고자 한다.

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

그러므로 모든 알고리즘의 특성을 잘 알고 있어야 자기 응용 분야에 맞는 것을 잘 사용할 수 있다. 따라서 본장에서는 효율적인 전자상거래에 사용되기 위한 개인화 기능을 지원하기 위해 Fuzzy Clustering 기법을 향상시킨 새로운 m-Fuzzy Clustering에 대해 제안한다. [3] [4]

제안 방법

따라서, 본 논문에서는 전자상거래 시스템의 효구하는 상품만을 제공하는 단순한 형태여서 고객율성을 높이기 위해 다양하고 방대한 고객들의 성의 요구사항을 충분히 만족시키지 못하였다. 따향을 분석 파악하여 고객에 맞는 추천시스템을 라서 전자상거래 시스템들 간의 경쟁력이 강조되 제안한다. 또한 Fuzzy Clustering Algorithm을 적 는 현재에서는 고객들에게 양질의 서비스를 제공용하여 고객 정보, 행동둥의 데이터로부터 고객하고, 보다 특성화된 기능의 다양한 해결방안이 의 성향을 측정하고 이 성향 측정의 결과를 바탕 요구되고 있다.
본고에서는 DB 에 적재된 수많은 데이터들 중 고객정보, 행동(Action) 등의 사용자 데이티로부터 개인의 성향을 측정하고, Small Cluster 의 Filtering 과정과 Cluster 의 중심거리와 유사도로 새로운 Cluster 를 생성(:Merge) 하여 Recommendation System 을 제안하였다. 제안한 시스템은 여러 Cluster 기법 중 Fjzzy 기술을 변형시켜, Small Cluster 를 검출하는 과정을 통해 군집과의 유사도나 성향이 차별화된 군집을 파악하고 이에 합병 과정 (Merge Part) 의 과정을 단순화였다.
본고에서는 DB 에 적재된 수많은 데이터들 중 고객정보, 행동(Action) 등의 사용자 데이티로부터 개인의 성향을 측정하고, Small Cluster 의 Filtering 과정과 Cluster 의 중심거리와 유사도로 새로운 Cluster 를 생성(:Merge) 하여 Recommendation System 을 제안하였다. 제안한 시스템은 여러 Cluster 기법 중 Fjzzy 기술을 변형시켜, Small Cluster 를 검출하는 과정을 통해 군집과의 유사도나 성향이 차별화된 군집을 파악하고 이에 합병 과정 (Merge Part) 의 과정을 단순화였다. 또한 기존의 Fuzzy 기술의 단점인 유동적이지 못한 클러스터의 수를 자동적으로 조절하였다.
제안한 시스템은 여러 Cluster 기법 중 Fjzzy 기술을 변형시켜, Small Cluster 를 검출하는 과정을 통해 군집과의 유사도나 성향이 차별화된 군집을 파악하고 이에 합병 과정 (Merge Part) 의 과정을 단순화였다. 또한 기존의 Fuzzy 기술의 단점인 유동적이지 못한 클러스터의 수를 자동적으로 조절하였다. 따라서 이러한 Clustering 결과를 적용하는 Personalized Recommended 부분에서 향상된 효과를 얻을 수 있다.

데이터처리

본고에서 제안하는 m-Fuzzy Clustering Systen은 Windows 2000 server, MSSQL server 환경어서 Visual C+ + 6.0을 이용하여 구현하였으며, Weka 툴을 활용하였다.

성능/효과

또한 기존의 Fuzzy 기술의 단점인 유동적이지 못한 클러스터의 수를 자동적으로 조절하였다. 따라서 이러한 Clustering 결과를 적용하는 Personalized Recommended 부분에서 향상된 효과를 얻을 수 있다.

후속연구

따라서, 본 논문에서는 전자상거래 시스템의 효구하는 상품만을 제공하는 단순한 형태여서 고객율성을 높이기 위해 다양하고 방대한 고객들의 성의 요구사항을 충분히 만족시키지 못하였다. 따향을 분석 파악하여 고객에 맞는 추천시스템을 라서 전자상거래 시스템들 간의 경쟁력이 강조되 제안한다.
m-Fuzzy Clustering System 은 기본적인 FCM(Fuzzy C-Means) Algorithm 에 Small Cluster Filtering Part와 클러스터의 중심거리와 유사도로 새로운 클러스터를 생성(Merge)하는 Part로 구성된다. 이 알고리즘을 적용하여 고객정보, 행동(Action) 등의 데이터로부터 고객의 성향을 측정하고, 이 성향 측정의 결과를 바탕으로 개인화된 추천을 가능할 것으로 기대된다. Small Clusters Filter Part는 전체 데이터와 클러스터링된 데이터의 비율과 다른 클러스터와의 유사도에 따라 측정할 수 있으며, 여기서 검출된 Small Clusters 는 이후의 Merge 과정에서 제외되어 Merge 과정의 효율성을 높인다.
Small Cluster Data 에 대해 Dummy 데이터의 여부를 판단해서 삭제 또는 재사용성의 여부를 판단 허야 하는 연구가 더욱 더 필요하다. 또한 많은 Real Data 를 통해 Real World 상에서 User 에게 Recommendation / Adaptation 의 확장 싱을 줄 것으로 기대된다.
Small Cluster Data 에 대해 Dummy 데이터의 여부를 판단해서 삭제 또는 재사용성의 여부를 판단 허야 하는 연구가 더욱 더 필요하다. 또한 많은 Real Data 를 통해 Real World 상에서 User 에게 Recommendation / Adaptation 의 확장 싱을 줄 것으로 기대된다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] E-Commerce에서의 퍼지 클러스터링 알고리즘을 적용한 추천 시스템 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] E-Commerce에서의 퍼지 클러스터링 알고리즘을 적용한 추천 시스템 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

데이터처리

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

초록
AI-Helper

AI 본문요약
AI-Helper