고객과 이웃고객이 공통으로 평가한 응답이 예측오차에 미치는 영향

구지현

추천

검색

자료유형: 학술저널

저자정보: 구지현

저널정보: 한국자료분석학회 Journal of The Korean Data Analysis Society Journal of The Korean Data Analysis Society 제21권 제2호

발행연도: 2019.1

수록면: 745 - 755 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

이웃기반의 협력적 필터링은 고객에게 상품을 추천하는 추천시스템을 구축하기 위한 알고리즘으로, 상품에 평가한 고객들 간의 선호도 유사성을 사용하여 고객이 비구매한 상품들의 선호도를 예측한다. 이 알고리즘의 선호도 예측정확도는 고객이 상품에 평가한 선호도의 개수, 동일한 상품을 평가한 이웃고객의 수, 이웃고객과 동일한 상품에 평가한 선호도의 개수 등에 영향을 받는 것으로 알려져 있다. 본 연구의 목적은 고객이 선호도에 평가한 상품의 유사성이 알고리즘의 예측정확도에 미치는 영향을 분석하여, 추천시스템의 성능을 향상시키는데 있다. 연구진행을 위해 고객이 응답한 선호도의 개수와 이웃고객과 동일한 상품에 응답한 선호도의 개수를 사용하여, 그들 간에 응답한 상품의 유사성을 계산하였다. 그리고 그 계산된 유사성을 3그룹으로 분류하여 예측정확도에 차이가 있는지 분산분석하고, 응답한 상품의 유사성이 높은 이웃고객을 고려한 경우가 고려하지 않은 경우의 선호도 예측정확도에 영향을 주는지 분석하기 위해 Wilcoxon 부호순위검정을 시행하였다. 그 결과, 응답한 상품의 유사성이 높은 그룹일수록 오차, MAE, RMSE가 낮은 경향을 보였으며, 유사성이 높은 이웃고객을 고려하여 고객의 선호도를 예측하면 MAE, RMSE를 낮게 변동시키는 것으로 나타났다.

#recommendation systems #collaborative filtering #predictive error #number of neighbors #number of response pairs.

참고문헌 (12)

참고문헌 신청

Bobadilla, J. / 2013 / Recommender systems survey / Knowledge-Based Systems 46:109~132

Breese, J. S. / 1998 / Empirical analysis of predictive algorithms for collaborative filtering / Proceedings of the 14th conference on Uncertainty in Artificial Intelligence :43~52

Ekstrand, M. D. / 2011 / Collaborative filtering recommender systems / Foundations and Trends in Human-Computer Interaction 4(2):81~173

Herlocker, J. L. / 2002 / An empirical analysis of design choices in neighborhood-based collaborative filtering algorithms / Information Retrieval 5(4):287~310

김선옥 / 2017 / 협력적 필터링에서 응답수와 순위일치도와의 모형에 대한 연구 / Journal of The Korean Data Analysis Society 19(4):1907~1915

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

구지현

소속기관 한국자료분석학회

주요연구분야 자연과학 > 수학·통계학

논문수 12 이용수 249

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)