[논문]사용자 선호도 기반 데이터마이닝을 통한 효율적인 메뉴 추천 시스템

박병석; 강성훈; 조현우; 정영식

사용자 선호도 기반 데이터마이닝을 통한 효율적인 메뉴 추천 시스템
An Efficient Menu Recommendation System with Data Mining on User Preference 원문보기

박병석 (동국대학교 멀티미디어공학과) , 강성훈 (동국대학교 멀티미디어공학과) , 조현우 (동국대학교 멀티미디어공학과) , 정영식 (동국대학교 멀티미디어공학과)

최근 스마트폰을 비롯한 스마트 디바이스의 급격한 보급화가 이루어짐에 따라 추천가 시스템과 같은 개인화 서비스에 관한 연구가 활발히 진행되고 있다. 그러나 이러한 서비스는 활용 방안이 광범위함에도 불구하고 마케팅 등의 특정 분야에 한정되어 있거나 저수준의 QoS를 제공하는 정도에 머물러 있어 국내의 추천가 시스템은 아직 도입단계에 불과하다. 추천가 시스템은 추천할 물품과 같은 객체의 기본 및 평가 정보를 텍스트 형태의 메타 정보로 나타낸다. 이러한 메타 정보 기반 필터링에 의해 주변 경로 및 취향이 고려되지 않은 결과를 사용자에게 제공하고 있다. 이에 사용자와 상호작용하여 건강이나 취향, 식사 이력, 통계 등을 고려해 메뉴를 추천해주는 최적화된 알고리즘 연구가 요구된다. 본 논문에서는 최적화된 내용 기반 필터링을 활용해 사용자의 입력 패턴과 취향을 파악하여 메뉴를 추천해주는 시스템인 UBRS을 제안하고자 한다.

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

문제 정의

본 논문에서는 기존의 메뉴 추천 어플리케이션의 시스템 의존적 메뉴 제공 및 사용자 비선호 메뉴 추천을 제공하는 단점을 개선하고자, 내용 기반 필터링 기법을 활용하여 사용자의 메뉴 선택 패턴을 분석하고 이를 추천해주는 시스템인 UBRS를 제안하였다. UBRS는 기존의 방식인 임의의 메뉴 추천 및 근접 거리의 식당 정보 제공 방식에 비해 사용자 메뉴 선호도 로그를 통해 사용자별 최적화된 메뉴 추천 서비스를 제공하였다.
향후에는 주변 사용자와의 데이터 공유를 통한 메뉴 추천 기법 및 상호작용이 가능한 소셜 서비스를 제공하기 위해 사회적 추천 기법을 적용하고자 한다. 이를 기반으로 사용자와 유사한 취향을 가지고 있는 다수의 사용자 메뉴 선택 로그를 통해 비교 추천하는 알고리즘을 연구하고자 한다.
이에 본 논문은 사용자의 상황별 메뉴 선택 로그를 통해 사용자에게 최적화된 메뉴 추천을 제공하는 UBRS(User-Based Recommend System)를 제안한다. UBRS는 사용자의 식사 패턴 파악을 통해 메뉴를 추천해 주기 위해 사용자의 메뉴 선택 로그를 분석 및 학습하여 사용자 선호도 메뉴를 산출한다.

제안 방법

UBRS는 기존의 방식인 임의의 메뉴 추천 및 근접 거리의 식당 정보 제공 방식에 비해 사용자 메뉴 선호도 로그를 통해 사용자별 최적화된 메뉴 추천 서비스를 제공하였다. 또한, UBRS의 메뉴 선정 이용 빈도에 따라 축적된 데이터 기반 사용자 취향을 정교하게 분석하고 이를 기반으로 효율적인 메뉴 추천을 제공하였다.
본 연구에서는 내용 기반 필터링을 사용하여 사용자가 메뉴를 선택할 때의 조건을 입력받아 사용자 취향과 식생활 패턴의 정확한 분석을 통해 최적화된 메뉴를 제공한다.
(그림 1)은 식당의 위치(교내/교외), 카테고리(한식/중식/ 일식/양식), 가격대(비싼/적당한/저렴한) 등의 조건으로 상황에 맞게 최적화된 메뉴를 찾아내고 있는 의사결정 처리 단계를 나타낸다. 사용자가 섭취한 음식의 만족 여부 평가를 통해 의사결정트리를 구축한다. 만족스러운 것으로 나타난 음식의 우선순위를 도출하여 사용자에게 제공한다.
사용자의 선택적 메뉴 분석을 위해 식당 정보로 위치, 규모, 메뉴의 분류와 가격대로 총 4가지를 선정하고, 사용자에게 해당 메뉴에 대한 만족 또는 불만족 여부를 스마트 디바이스에 저장한다. 이렇게 저장된 데이터는 의사 결정 트리(Decision Tree)를 통해 사용자가 메뉴들을 어떻게 선택하게 되었는지를 분석한다.
사용자의 선택적 메뉴 분석을 위해 식당 정보로 위치, 규모, 메뉴의 분류와 가격대로 총 4가지를 선정하고, 사용자에게 해당 메뉴에 대한 만족 또는 불만족 여부를 스마트 디바이스에 저장한다. 이렇게 저장된 데이터는 의사 결정 트리(Decision Tree)를 통해 사용자가 메뉴들을 어떻게 선택하게 되었는지를 분석한다. 분석된 데이터를 통해 사용자의 취향에 최적화된 정보를 도출하고 메뉴를 추천한다.
만약 알고리즘을 구성하기에 충분한 데이터가 축적되지 않았다면 사용자의 취향을 파악하기 위해 마련된 몇 가지 질의를 제공하여 그것을 임시 데이터로 사용한다. 이후 메뉴 데이터를 토대로 의사결정트리를 구축하여 가장 사용자 취향에 알맞은 음식 분류를 선정하고 그에 해당하는 메뉴를 Recommend Manager를 통해 사용자에게 제시한다. 사용자의 음식 선택 여부를 Selection Manager에 기록하고 가중치를 부여한다.

후속연구

향후에는 주변 사용자와의 데이터 공유를 통한 메뉴 추천 기법 및 상호작용이 가능한 소셜 서비스를 제공하기 위해 사회적 추천 기법을 적용하고자 한다. 이를 기반으로 사용자와 유사한 취향을 가지고 있는 다수의 사용자 메뉴 선택 로그를 통해 비교 추천하는 알고리즘을 연구하고자 한다.

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

사용자 선호도 기반 데이터마이닝을 통한 효율적인 메뉴 추천 시스템
An Efficient Menu Recommendation System with Data Mining on User Preference 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

사용자 선호도 기반 데이터마이닝을 통한 효율적인 메뉴 추천 시스템 An Efficient Menu Recommendation System with Data Mining on User Preference 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

사용자 선호도 기반 데이터마이닝을 통한 효율적인 메뉴 추천 시스템
An Efficient Menu Recommendation System with Data Mining on User Preference 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper