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
- 인터넷 쇼핑몰의 추천 시스템에서 아이템의 연관성과 속성 반영을 위해 RFM 분석을 이용한 데이터 마이닝을 적용한 연구[1,2]가 활발히 진행되고 있다. 본 논문은 이러한 연구의 계속적 연구의 결과로 전자상거래 추천에서 기존의 추천 시스템의 문제점을 해결하고 구매 가능성이 높은 아이템을 추천하기 위하여 고객의 구매 패턴 파악이 가능하고 신속하고 효과적인 추천을 위하여 RFM 분석 기반의 고객 구매 패턴을 예측을 위한 SOM 클러스터링 방법을 제안한다.
- 기존의 협력적 필터링을 이용한 고객 선호도 예측 방법에서는 비슷한 선호도를 가진 일부 아이템의 정보를 바탕으로 하기 때문에 아이템의 속성은 무시하는 경향이 있었다. 이 논문에서는 아이템의 속성 분석이 가능한 RFM 분석을 바탕으로 기존의 추천 시스템의 문제점을 해결하였고 고객의 구매 패턴 파악이 가능하고 신속하고 효과적인 추천을 위해서 RFM 분석 기반의 고객 구매 패턴을 예측을 위한 SOM 클러스터링 방법을 제안하였다. SOM 클러스터링을 이용한 추천시스템의 경우 기존의 k-means 알고리즘(KCA)을 이용한 추천시스템 보다 전체적으로 성능이 우수하였고 실시간성이 요구되는 유비쿼터스 상거래에서 구매 패턴 예측을 위한 추천의 성능을 향상시킬 수 있었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.