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 연구는 고객이 상품에 대하여 평가한 선호도 평가치가 절대적 기준의 수치 척도로 제공되지만 고객에 따라서는 선호 정도의 표현이 달라질 수 있을 것으로 가정하고 각 개별 고객이 평가한 선호도 평가치를 표준화시켜 선호도 예측의 정확도를 향상시키기 위한 방법을 실험을 통하여 분석하였다. 분석결과 선호도 평가치의 표준화를 통한 선호도 예즉 정확도는 비 표준화 선호도 평가치를 이용한 예측 정확도에 비하여 개선되었음을 알 수 있으며 특히 고객이 평가한 선호도 평가치의 표준편차가 큰 고객에게서 예측 정확도의 향상이 크게 나타남을 알 수 있었다.
- 고객에게 제시된 평가척도가 절대적 기준의 수치 척도로 주어져 있지만 고객에 따라 서로 다른 기준이 적용되어 상품에 대해 개인의 기준이 적용될 수 있으며 또한 고객에 따라서는 상품에 대한 선호 정도의 차이가 큰 고객과 차이가 크지 않은 고객이 있을 수 있다. 본 연구는 이러한 동일한 기준이 주어져 있더라도 고객에 따라 서로 다른 평가의 영향을 줄이기 위해 고객에 따라 선호도 평가치를 표준화시켜 표준화된 선호도 평가치를 이용한 선호도 예측의 정확도를 비표준화 선호도 평가치를 이용한 예측 결과와 비교하였다. 또한 선호도 예측 결과를 분석하여 두 분석 방법의 장점을 결합한 선호도 예측 방법을 제안하여 선호도 예측 정확도를 향상시켰다.
- 메모리 기반의 알고리즘은 데이터의 희소성에 따라 예측 오차가 커지며 고객과 상품의 수가 증가하면 이웃과의 관계를 계산하는 계산량이 증가하는 단점이 있으며 모형기반의 알고리즘은 계층의 모형 설정에 소요되는 시간이 매우 길고 추가 데이터에 따라 모형을 재 설정하여야 하는 단점을 가지고 있으며 메모리 기반의 예측 결과와 비교하여 다양한 예측 결과를 얻을 수 없다는 단점을 가지고 있다. 본 연구에서는 메모리 기반의 알고리즘을 중심으로 연구하였다. 메모리 기반의 알고리즘을 이용한 선호도 예측 정확도 개선에 관한 많은 연구가 이루어지고 있다.
- 특히 협업필터링의 경우 상품의 다양한 속성과 고객의 특성을 의도적으로 무시하고 상품에 대한 고객의 선호 정보만을 이용한다. 본 연구에서는 상품에 대한 고객의 선호도 평가치를 표준화시켜 표준화된 선호도 평가치를 이용한 선호도 예측을 실시하여 기존의 접근법과 선호도 예측 정확도의 측면에서 비교하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.