선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 규칙 기반 상품추천시스템의 단점 즉, 규칙 추출의 어려움을 보완할 수 있는 탕 법으로 전역 최적화 기법의 하나인 유전자 알그 리즘(Genetic Algorithms)을 활용하여 고객정보를 토대로 추천 규칙을 도출할 수 있는 방안을 제月 한다. 규칙 추출을 위해서는 일반적으로 의사 결정 나무, 연관성 규칙 등이 활용 되고 있으나, 유전자 알고리즘은 주어진 문제 영역에서 전역 검색을 통해 최적해를 찾아 나가는 데이터 마이닝 기법으로서, 다양한 고객 변수 데이터를 활용하여 추천 규칙을 생성하는데 매우 효과적으로 사용될 수 있다.
- 유전자 알고리즘이 효율적인 탐색을 하도록 하기 위해서는 탐색 목적에 적합한 효과적인 사상방법을 찾아야만 한다. 본 연구에서 유전자 알고리즘을 수행하는 목적은 고객 테이터를 활용하여 특정 상품을 구매하는 고객을 예측할 수 있는 추천 규칙을 찾는 것이다. 즉, 표 1.
- 유전자 탐색 과정에서 필요한 적합도 (Fitness) 평가의 목적은 특정 DVD 상품군에 대한 구매 또는 비구매에 대한 오분류률을 최소화함과 동시에 특정 상품을 구매할 수 있는 고객들의 속성을 파악하기 위함이다. 본 연구에서 활용된 목적합수와 적합도 평가 과정은 아래와 같다.
- 따라서 본 논문은 규칙 기반 추천 시스템 에서 유전자 알고리즘을 활용하여 규칙 추출의 어려움을 최적화된 방법으로 해결하고 온라인 상점의 특성에 맞도록 실시간 추천이 가능한 시스템을 구축하고자 했다는 데에 그 의 의가 있으며, 나아가 유전자 알고리즘에 의해 생성된 추천 규칙의 실제적 유용성을 온라인 설문을 통해 평가해 봄으로써 그 실제적인 유용성 면에서도 의미가 있는 것으로 나타났다.
- 본 논문에서는 규칙 기반 추천시스템의 문제로 대두되는 효과적인 추천 규칙의 어려움을 해결하고자 최적화 기법 데이터 마이닝 기법 가운데 하나인 유전자 알고리즘을 활용하여 추천을 위한 마케팅 규칙을 생성하고 모델 기반 (Model-based) 추천시스템을 구축하였다. 유전자 알고리즘은 특정 문제 영역에서 최적 화(near optin前zation) 된 해를 찾는 데 매우 유 용하다는 장점을 가지고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.