초록 ▼

1) 연구내용
o 관광매력물 분류체계 정립 및 관광매력물의 서비스 특성 분석
- 관광매력물 특정 요소 분석
- 관광매력물 분류체계 정립
- 관광매력물의 서비스 특성 분석
o 맞춤형 관광정보 추천기법 개발
- 기존의 개인정보 추천기법 분석
- 관광객 행태 분석에 기반을 둔 맞춤형 관광정보 추천기법 개발
o 웹기반 관광정보 추천시스템 구축 및 시스템 효과 분석
- 개발된 맞춤형 관광정보 추천기법을 이용한 웹기반 관광정보 추천시스템 구축
- 시스템 효과 분석
2) 연구결과

1) 연구내용
o 관광매력물 분류체계 정립 및 관광매력물의 서비스 특성 분석
- 관광매력물 특정 요소 분석
- 관광매력물 분류체계 정립
- 관광매력물의 서비스 특성 분석
o 맞춤형 관광정보 추천기법 개발
- 기존의 개인정보 추천기법 분석
- 관광객 행태 분석에 기반을 둔 맞춤형 관광정보 추천기법 개발
o 웹기반 관광정보 추천시스템 구축 및 시스템 효과 분석
- 개발된 맞춤형 관광정보 추천기법을 이용한 웹기반 관광정보 추천시스템 구축
- 시스템 효과 분석
2) 연구결과
o 관광목적지의 관광매력물 대상은 대분류, 중분류, 소분류로 분류됨. 대분류는 볼거리, 놀거리, 살거리, 먹거리, 쉴거리와 같이 총 5개의 항목으로 분류됨. 중분류는 관광매력물의 물리적 특성에 따라 각각의 대분류를 세분화한 것으로 총 25개의 항목으로 분류됨. 소분류는 관광매력물 대상이 실제 위치한 장소 및 대표적인 특징을 나타내는 것으로 총 89개의 항목으로 분류됨.
o 기존 마케팅 전략에 IT를 접목한 독특한 구조의 마케팅 전략으로 등장한 것이 일대일 마케팅임. 일대일 마케팅은 인터넷을 통해 고객 정보를 수집하고 고객과의 직접적인 대화를 통해 고객 개개인의 취향에 맞는 광고, 제품 생산, 고객 서비스를 제공함으로써 고객 만족도를 높이고 이익을 증대시키는 마케팅 개념임.
o 마케팅은 고객 점유, 고객과의 일대일 대화, 학습관계라는 특성을 가지고 있음. 인터넷 상에서 기업이 고객에게 실행할 수 있는 일대일 마케팅의 종류에는 일대일 웹 상호작용, 일대일 e-mail, 일대일 웹사이트 개인화, 일대일 푸시, 일대일 웹사이트 트레킹 등이 있음.
o 전자상거래 에이전트란 제품 검색, 비교, 구매와 같은 전자상거래 상의 작업에서 참여자를 대신하여 업무를 수행하는 소프트웨어를 의미함. 상품 검색 에이전트는 고객이 원하는 상품을 검색할 수 있도록 도와주는 에이전트임. 비교 쇼핑 에이전트는 판매자 검색 단계에서 고객의 소비 능력과 비슷한 상품 정보를 추출하고 비교해 주는 에이전트임. 협상 에이전트는 협상 단계에서 고객이 에이전트에 명시한 전략을 통해 상품을 구매하거나 판매하는 기능을 수행해 주는 에이전트임.
o 일반적으로 개인화된 정보를 추천하는 기법에는 내용기반 추천기법(content-based recommendation), 협업필터링 기법(collaborative filtering), 규칙기반 필터링 기법(rules based filtering), 그리고 선호도기반(preference scoring) 기법이 있음.
o 내용기반 추천기법은 문서 내의 단어 빈도와 단어 위치를 이용하여 웹페이지의 검색 및 순위를 결정하는 기법을 말함. 협업필터링 기법은 고객 사이에서 발견된 상관관계를 이용하여 비슷한 취향을 가진 고객들 간의 비교를 통해 고객이 흥미를 가지거나 구매할 가능성이 높은 정보를 예측하고 추천해주는 기법임. 규칙기반 필터링 기법은 사용자의 프로파일이나 행위에 근거한 조건문 형식의 규칙을 이용하여 개인화된 추천을 제공하는 기법임. 선호도기반 기법은 고객의 초기 프로파일, 구매 행위, 그리고 인터넷 쇼핑몰에서의 다양한 관심표명 행위를 바탕으로 정보의 선호도를 결정하여 개인화된 정보를 추천하는 기법임.
o 본 연구에서는 선호도기반 기법과 협업필터링 기법을 활용한 맞춤형 관광정보 추천기법을 제시함.
o 가장 높은 선호도를 가지는 관광정보군을 추천하기 위해 관광객별로 선호도가 계산되어져야 하며 이 값은 선호도 테이블에 저장됨. 선호도는 관심유무, 구매, 클릭, 검색, 문서의 인쇄, 즐겨찾기에 추가, 문서의 저장, 마우스 이동, 스크롤, 문서검색 시간, 키 입력, 키 위치 관찰 등과 같은 측정항목을 이용하여 다음과 같은 방법으로 계산됨.
o 선호도 계산시 이용되는 각 측정항목의 가중치를 관광객의 개인적 상황이나 주위 환경에 따라 지속적으로 조정하기 위해 다중회귀분석을 이용함. 가중치조정을 위한 다중회귀분석은 해당 관심 고객의 인쇄, 추천글 작성, 추천 메일 발송 등과 같은 고관심 표명행동을 이용하여 실시하는 방법과 협업필터링을 이용해 구한 최근접 이웃을 이용하여 실시하는 방법으로 나누어짐.
o 고관심 표명행동을 이용한 다중회귀분석은 관광객이 선호도가 가장 높은 관광정보군 이외의 것에 대하여 고관심 표명행동을 하였을 경우, 그 관광정보군의 선호도를 현재의 최상위 선호도 값으로 일시 상향 조정하여 관심유무, 클릭횟수, 고관심 표명행동 횟수를 독립변수로 설정하고 선호도를 종속변수로 설정한 후 실시됨.
o 협업필터링을 이용하여 최근접 이웃을 선정할 때 취향의 유사성을 보이는 이웃뿐만 아니라 인구통계학적으로 유사성을 보이는 이웃을 함께 고려함. 현재 관광객과 선정된 이웃 간의 유사도는 다음과 같이 계산함.
o 최근접 이웃을 이용한 다중회귀분석은 최근접 이웃 2명의 최상위 선호도 관광정보군을 파악한 후, 현재 관광객의 선호도 테이블에서 최근접 이웃의 최상위 선호도 관광정보군과 일치하는 정보를 찾아내고 그것의 선호도를 현재의 최상위 선호도 값으로 일시 상향 조정한 후 실시됨.
o 제시한 기법을 적용한 맞춤형 관광정보 추천시스템을 구축하고, 제시한 기법의 효과를 분석하기 위해 가중치를 고정하여 선호도를 계산해 내는 RSF(Recommendation System with Fixed weights)와 대상 관광객의 고관심 표명행동 정보와 최근접 이웃들의 정보를 활용한 다중회귀분석을 통해 가중치를 조정하고 선호도를 계산해내는 RSA(Recommendation System with Adjusted weights)를 구축하고 그 효과를 비교 분석하였음.
o 시스템의 성능 평가를 위해 시스템별 평균 적중률, 시스템별 추천 관광정보군 순위, 그리고 선호도 변화를 비교하였음. 10명의 피실험자를 대상으로 실험한 결과 RSF와 RSA의 평균 추천 횟수는 각각 9, 10회로 나타났으며, 두 시스템의 평균 적중률은 RSA가 RSF보다 높은 것으로 나타남.
o 임의의 피실험자를 선택하여 RSF와 RSA 상에서의 행동을 추적하고, 피실험자의 행동을 각 시스템에서 재연한 후 관광정보군에 대한 순위와 선호도의 변화를 분석하였음.
o RSA는 RSF와 비교하여 관광정보군의 순위에 활발한 변화가 있었음. RSA의 관광정보군 순위의 활발한 변동을 통해 관광객의 선호도 계산시 가중치를 고정시키는 것보다 가중치를 변동시키는 것이 보다 활발한 정보추천을 가능하게 한다는 것을 알 수 있음.
o RSA는 새로운 관광정보군을 계속해서 추천해 주는 반면, 한번 구매된 관광정보군에 대해서는 그 순위를 점차 감소시켜 주고 있음. 이를 통해 RSA는 추천 받은 관광정보를 이용하여 관광지를 방문하고 난 후는 그 관광지에 대한 욕구가 일정기간 동안 감소하는 관광정보의 특성을 잘 반영하고 있는 시스템임을 알 수 있음.

Abstract ▼

o Establishment of classification scheme to tourist attractions
o Analysis on service characteristics of tourist attractions
o Development of tailored tour information recommendation technique
o Implementation of web-based tailored tour information recommendation system
o Performance ana

o Establishment of classification scheme to tourist attractions
o Analysis on service characteristics of tourist attractions
o Development of tailored tour information recommendation technique
o Implementation of web-based tailored tour information recommendation system
o Performance analysis of tailored tour information recommendation system

목차 Contents

• 표지 ...1
• 제출문 ...2
• 요약문 ...3
• SUMMARY ...13
• 목차 ...17
• Contents ...20
• 표목차 ...21
• 그림목차 ...22
• 제1장 서 론 ...23
• 제1절 연구의 목적 및 중요성 ...23
• 제2절 연구의 방법 및 구성 ...24
• 제2장 관광의 이해와 관광매력물 분류 ...27
• 제1절 관광의 이해 ...27
• 1. 관광의 개념적 이해 ...27
• 가. 관광의 개념 ...27
• 나. 관광의 성립조건 ...31
• 다. 관광 주체에 대한 정의 : 관광자와 관광객 ...33
• 2. 관광목적지로서 도시환경의 관광학적 이해 ...34
• 가. 관광인 ...35
• 나. 관광대상 : 관광매력물 ...35
• 다. 관광산업 ...36
• 라. 관광행정과 관광법률 ...37
• 제2절 관광매력물의 개념 ...37
• 1. 매력에 대한 일반적 이해 ...37
• 가. 매력 ...37
• 나. 관광매력 ...38
• 2. 매력에 대한 학문적 접근 ...39
• 가. Tourist Attraction System Model ...39
• 나. Tourism Destination Region Design Model ...41
• 제3절 관광매력물 분류체계 ...44
• 1. 관광매력물의 분류 ...44
• 가. 대분류 ...45
• 나. 중분류 ...45
• 다. 소분류 ...45
• 2. 분류 항목별 콘텐츠 ...45
• 제3장 맞춤형 관광정보 추천기법 개발을 위한 이론적 배경 ...51
• 제1절 일대일 마케팅 ...51
• 1. 일대일 마케팅의 개념 ...51
• 2. 일대일 마케팅의 특징 ...52
• 가. 고객 점유 ...53
• 나. 일대일 대화 ...53
• 다. 학습 관계 ...54
• 3. 일대일 마케팅의 종류 ...54
• 가. 일대일 웹 상호작용 ...54
• 나. 일대일 e-mail 마케팅 ...55
• 다. 일대일 웹사이트 개인화 ...56
• 라. 일대일 푸시 ...56
• 마. 일대일 웹사이트 트레킹 ...57
• 제2절 전자상거래 에이전트 ...59
• 1. 전자상거래 에이전트의 역사 ...59
• 2. 전자상거래 에이전트의 종류 ...60
• 가. 상품 검색 에이전트 ...60
• 나. 비교 쇼핑 에이전트 ...61
• 다. 협상 에이전트 ...61
• 제3절 개인화된 정보 제공기법 ...62
• 1. 내용기반 추천기법 ...62
• 2. 협업필터링 기법 ...64
• 3. 규칙기반 필터링 기법 ...67
• 4. 선호도기반 기법 ...68
• 제4장 협업필터링과 선호도를 이용한 관광정보 추천기법 ...69
• 제1절 선호도기반 기법 ...69
• 제2절 협업필터링을 이용한 최근접 이웃 선정 ...70
• 제3절 다중회귀분석을 이용한 가중치 조정 ...73
• 1. 대상 관광객의 고관심 표명행동을 이용한 가중치 조정 ...74
• 2. 최근접 이웃 관광객의 선호도를 이용한 가중치 조정 ...75
• 제5장 맞춤형 관광정보 추천시스템 구현과 실험...76
• 제1절 시스템의 구현과 실험 ...76
• 제2절 실험결과 분석 ...77
• 1. 평균 적중률 비교 ...77
• 2. 관광정보군의 선호도 변화와 순위 비교 ...77
• 제3절 RSA 소개 ...80
• 1. 메인과 회원가입 화면 ...80
• 2. 최초 로그인 화면 ...82
• 3. 추천되는 관광정보의 변동 모습 ...82
• 제6장 결 론 ...85
• 제1절 연구 요약 ...85
• 제2절 기대효과 및 활용 방안 ...86
• 참고문헌 ...88