고객의 검색패턴과 비정형 상품 상세정보를 활용한 상품추천 알고리즘의 성능 개선 :Improvement of an Product Recommendation Algorithm using Customers'' Search Patterns and Unstructured Product Details

이윤주

추천

검색

자료유형: 학위논문

저자정보: 이윤주 (국민대학교, 국민대학교 비즈니스IT전문대학원)

지도교수: 안현철

발행연도: 2021

저작권: 국민대학교 논문은 저작권에 의해 보호받습니다.

이용수43

이 논문의 연구 히스토리 (3)

2021

고객의 검색패턴과 비정형 상품 상세정보를 활용한 상품추천 알고리즘의 성능 개선

이윤주 비즈니스IT 2021.01 학위논문

고객의 검색패턴과 상품 상세정보를 활용한 상품 추천 모형의 개선

이윤주 , 이재준 , 안현철 한국컴퓨터정보학회논문지 2021.01 학술저널

2020

고객의 검색패턴과 비정형 상품정보를 활용한 협업필터링 알고리즘의 개선

이윤주 , 이재준 , 안현철 한국지능정보시스템학회 학술대회논문집 2020.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

추천시스템(Recommender System)은 고객의 정보를 바탕으로 선호도를 예측하여 상품과 서비스를 제공하는 기법으로, 오늘날 다양한 온라인 서비스에 활용되고 있다. 추천시스템 연구 중 많은 연구가 협업필터링 (Collaborative Filtering)을 활용한 추천시스템을 제안하였는데, 대부분 고객의 구매 이력 또는 평점과 같은 정형 데이터에만 국한하여 추천 결과를 생성하였다. 최근에는 비정형 데이터를 활용한 연구가 등장하고 있지만, 대다수가 리뷰 데이터를 활용한 연구로, 리뷰를 제외한 비정형 데이터를 고려한 연구는 다소 부족한 실정이다. 온라인 쇼핑몰은 다양한 비정형 데이터가 존재하는 산업이기 때문에 보다 다양한 비정형 데이터를 활용한 추천시스템 연구가 시도되어야 할 것으로 보인다.

이에 본 연구는 고객의 온라인 행동 정보에 주목하여 추천시스템을 제안한다. 고객은 상품을 구입하기에 앞서 구매 결정 과정을 따르고, 이러한 과정에서 생성되는 고객의 온라인 행동 정보는 매우 다양하다. 특히 고객은 구매하려는 상품에 대한 정보를 얻고자 검색을 하고, 상품의 상세정보를 조회하는 등 여러 행동을 하게 되는데 이러한 단계는 구매 단계 중 검색(Search) 단계에 해당한다. 본 연구는 이러한 검색 단계에 속하는 고객의 검색 행동, 상품 상세정보 조회 행동을 고객의 선호가 반영되는 행동이라 가정하여 고객의 검색 키워드 데이터 및 고객이 구매한 상품의 상세정보를 수집하였고 이를 활용한 추천 모형을 제안하고자 한다.

본 연구는 실제 온라인 쇼핑몰 데이터를 사용하였으며 비교 모형은 고객의 구매 이력 데이터를 기반한 협업필터링으로 구축하였고, 제안 모형은 비교 모형에 사용된 구매 이력 데이터 매트릭스와 Doc2vec 기법을 활용한 검색 키워드 데이터 기반 매트릭스, 상품 상세정보 기반의 매트릭스를 구축하여 결합한 협업필터링 모형이다. 결과적으로 추천 상품의 개수에 상관없이 제안 모형의 추천 성능은 비교 모형보다 개선되었고, 이때 매트릭스의 결합 비율은 정형 데이터보다 비정형 데이터의 비율이 높아 고객의 검색 키워드 및 상품 상세정보가 추천에 유익한 영향을 미치는 것으로 나타났다.

본 연구는 고객의 온라인 행동 정보를 기반한 추천시스템 연구가 국내외로 부족한 상황에서 고객의 검색 키워드 데이터 및 상품 상세정보를 활용하여 추천시스템에 적용하였다는 점에서 학술적인 시사점이 있다. 또한 본 연구가 제안하는 모형을 통해 구매 이력 정보가 부족한 고객 및 신규 고객을 위한 추천이 어려운 콜드 스타트(Cold Start) 문제를 완화하여 전통적인 협업필터링의 한계를 극복하였다는 점에서 의의가 있다.

A recommender system is a system that predicts preferences based on customer information and recommend products and services, and is used in various online services today. Among the research on the recommender system, a large number of studies have proposed a recommender system using collaborative filtering(CF), but many studies have generated recommendation results by confining to structured data such as customer purchase history or customer rating. Recently, studies using unstructured data have appeared, but most of them are studies using review data, and studies that consider unstructured data excluding reviews are insufficient. Since online shopping malls are an industry in which a variety of unstructured data exists, research on a recommender system using more diverse unstructured data should be attempted.

Therefore, this study proposes a recommender system by paying attention to the online behavior of customers. Customers follow a purchase decision process prior to purchasing a product, and the online behavior information of the customer generated in this process is very diverse. In particular, customers perform various actions such as searching to obtain information on the product they want to purchase, and inquiring detailed information of the product. This step corresponds to the search step in the purchase decision process. This study assumes that the customer''s search behavior and product detail information search behavior that belong to this search stage are the behaviors that reflect the customer''s preference. Therefore, this study proposes a recommender system model by collecting customer search keyword data and detailed information on products purchased by customers.

This study used real-world online shopping mall data from Korea, and the proposed model was used based on three matrices. The first matrix is the purchase history data matrix used in the comparison model, and the second matrix is a matrix based on search keyword data using the Doc2vec technique, and the last matrix is a matrix based on detailed product information using the Doc2vec technique. As a result, regardless of the number of recommended products, the recommendation performance of the proposed model was improved than that of the comparison model. In this case, since the ratio of unstructured data is higher than that of structured data, it is confirmed that the customer''s search keyword and detailed product information have a beneficial effect on recommendation.

This study has academic implications in that it applied to the recommender system by utilizing customer''s search keyword data and product detailed information in a situation where research on the recommender system based on customer''s online behavior information is insufficient. In addition, through the proposed model by this study, it is significant in that it overcomes the limitations of traditional CF by mitigating the cold start problem, which is difficult to recommend for customers with insufficient purchase history information and new customers.

Ⅰ 서론 1
Ⅱ 이론적 배경 4
2.1. 추천시스템 4
2.2. 비정형 데이터를 고려한 추천 연구 6
2.3. 온라인 행동 정보 8
Ⅲ 연구 모형 11
3.1. 연구 모형 설계 11
3.1.1. 전통적 연구 모형 11
3.1.2. 제안 모형 12
Ⅳ 실증 분석 17
4.1. 실험 데이터 개요 17
4.2. 분석 결과 19
Ⅴ 결론 22
참고 문헌 25
Abstract 30

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

이 논문의 연구 히스토리 (3)

초록· 키워드

목차

최근 본 자료

댓글(0)