사용자 기반-, 아이템 기반 추천 알고리즘의 예측력 결정요인으로서의 제품 속성: 경험적 가치 vs 기능적 가치

양오석; 한재훈

추천

검색

자료유형: 학술저널

저자정보: 양오석 (강원대학교) 한재훈 (한림대학교)

저널정보: 한국경영컨설팅학회 경영컨설팅연구 경영컨설팅연구 제21권 제4호

발행연도: 2021.11

수록면: 431 - 438 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 사용자 기반-, 아이템 기반 추천 알고리즘 이론을 바탕으로 예측 정확도를 결정하는 요인을 알고리즘의 시스템 차원이 아니라 제품 속성 관점에서 고찰하였다. 제품이 소비자에게 전달하고자 하는 주요 가치를 경험적 가치와 기능적 가치로 양분하고 각각을 대표하는 상품으로 영화와 뷰티 상품, 자동차와 전자제품을 채택하였다. 실증 분석을 위한 표본은 Movie Lens 100k 데이터와 아마존 상품 데이터를 사용하였다. 대규모 용량 처리 문제를 해결하기 위해 원본 데이터를 각각 약 2만개로 축소하여 처리하였으며, 추천 알고리즘의 예측력 비교를 위한 기준으로 평균제곱근오차(RMSE: Root Mean Square Error)를 사용하였다. 분석 결과, 영화와 뷰티 상품과 같이 경험적 가치가 중요한 제품의 경우 아이템 기반 추천 알고리즘의 RMSE 값이 사용자 기반 추천 알고리즘의 RMSE 값보다 높은 것으로 나타나 사용자 기반 추천 알고리즘의 상대적 우수성을 확인하였다(가설 1 지지). 반면 자동차와 전자제품과 같이 기능적 가치가 중요한 제품의 경우 아이템 기반 추천 알고리즘의 RMSE 값이 사용자 기반 추천 알고리즘의 RMSE 값보다 낮아 아이템 기반 추천 알고리즘의 예측력이 상대적으로 우수한 것으로 나타났다(가설 2지지). 이 연구에서 발견된 사실은 기존 선행연구에서 보여준 개별 추천 알고리즘의 기술적 우수성의 절대성과 달리 추천 알고리즘의 예측력은 제품 속성에 따라 달라진다는 사실을 알게 해준다. 따라서 기업은 제품 속성에 맞는 추천 알고리즘을 사용하여 마케팅 전략과 브랜드 아이덴터티 수립을 모색해야 한다.

Based on the user-based and item-based recommendation algorithm theory, this study examined the factors that determine the prediction accuracy from the point of view of product attributes, not the system level of the algorithm. The main value that can be delivered from the product to consumers is divided into experiential value and functional value. Movies and beauty products, automobiles and electronic products are selected as representative products for each values. As samples for an empirical analysis, Movie Lens 100k data and Amazon product data were employed. In order to solve the problem of a lazy large-scale data processing, the original data were reduced to about 20,000 each. RMSE(Root Mean Square Error) was used as a standard for comparing the predictive performance of the individual recommendation algorithms. As a result of the analysis, for products with important experiential values such as movies and beauty products, the RMSE value of the item-based recommendation algorithm was higher than the RMSE value of the user-based recommendation algorithm, confirming the relative superiority of the user-based recommendation algorithm(Hypothesis 1 supported). On the other hand, for products with important functional values, such as automobiles and electronic products, the RMSE value of the item-based recommendation algorithm was lower than the RMSE value of the user-based recommendation algorithm, indicating that the item-based recommendation algorithm had relatively good predictive performance(hypothesis 2 supported). The main findings in this study make it clear that the predictive performance of the recommendation algorithm depends on the product attributes, unlike the absolute technical excellence of the individual recommendation algorithm shown in previous studies. Therefore, a company should seek to establish a marketing strategy and brand identity by using a recommendation algorithm suitable for product attributes.

#사용자 기반 추천 알고리즘 #아이템 기반 추천 알고리즘 #경험적 가치 #기능적 가치 #평균제곱근오차 #User-based Recommendation Algorithm #Item-based Recommendation Algorithm #Experiential Value #Functional Value #Root Mean Square Error

참고문헌 (28)

참고문헌 신청

강현철 / 2004 / 개인화를 위한 추천시스템 알고리즘에 관한 연구 / Journal of The Korean Data Analysis Society 6(4):1043~1049

권영빈 / 2012 / 키워드를 기반으로 마이너와 코사인 유사도를 이용한 컴퓨터 네트워크 관련 컨퍼런스 분석 / 한국IT서비스학회지 11(1):223~238

김민재 / 2014 / 코사인 유사도 기반의 인터넷 댓글 상 이상 행위 분석 방법 / 정보보호학회논문지 24(2):335~343

김상화 / 2012 / 협력적 필터링과 콘텐츠 정보를 결합한 영화 추천 알고리즘 / 정보과학회논문지 : 소프트웨어 및 응용 39(4):261~268

김용 / 2012 / Apriori 알고리즘 기반의 개인화 정보 추천시스템 설계 및 구현에 관한 연구 / 한국비블리아학회지 23(4):283~308

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

양오석

소속기관 강원대학교

주요연구분야 사회과학 > 경영학

논문수 9 이용수 283

한재훈

소속기관 한림대학교

주요연구분야 사회과학 > 경영학

논문수 7 이용수 194

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 (28)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)