초록 열기/닫기 버튼
목적 본 연구에서는 머신러닝 기술을 기반으로 초등학생을 대상으로 개인별 맞춤도서 시스템을 설계하고, 하이브리드 방식의 추천엔진을 개발한다. 그리고 개발된 추천엔진에 대한 성능분석을 통하여 성능을 검증하는 데 목적이 있다. 방법 이를 위하여 선행연구 고찰을 통해 추천시스템에 대한 분석을 통해 LightFM을 기반으로 설계를 진행하였고, Python을 활용하여 추천엔진을 개발하였다. 토핑 독서 서비스의 회원 9000여명의 5,979,479건의 독서 및 독후활동을 대상으로 활동 데이터의분석과 적용을 진행하였다. 정확도, 정밀도, 재현율 등의 머신러닝이 적용된 서비스에 일반적으로 적용하는 성능분석을 실시하였다. 결과 AUC Score, Accuracy, Precison, Recall 그리고 F1-Score에 대한 성능분석을 실시하였으며, 그 결과 각각 99.9%, 95.1%, 92.5%, 86.3% 그리고 89.3%의 수치를 얻을 수 있었다. 이는 개발된 추천엔진을 통해 추천된 도서가 실제 학생이 선택한도서와 유사함을 확인할 수 있었다. 결론 성능분석 결과를 통해 개별 학생이 선택한 도서와 개발한 추천엔진이 추천한 도서가 유사함을 확인하였다. 이는 초등학생을위해서는 전문가나 관련기관의 도서추천과 더불어 학생 개개인의 관심분야에 따른 도서추천이 병행되어야 독서에 대한 관심의 증가와 지속적인 독서가 가능함을 확인할 수 있었다. 더불어 본 연구를 통해 개발된 시스템의 완성도를 높이기 위해서는 공공기관의 도서대출 빅데이터에 대한 추가적인 분석과 반영이 필요하며, 맞춤도서 추천을 위한 다양한 추가적 연구의 진행이 필요하다.
Objectives In this study, a personalized book system is designed for elementary school students based on machine learning technology, and a hybrid recommendation engine is developed. In addition, the purpose is to verify the performance through performance analysis of the developed recommended engine. Methods To achieve the above purpose, a toaping reading service with 9,000 members was used. 5,979,479 reading and reading activities were targeted, and a book recommendation system was developed using LightFM. The ranking for the activities was applied by applying the weight of each activity to the processing of Korean and various reading activities were applied. Results Performance analysis of the developed system was conducted. Performance analysis was conducted on AUC Score, Accuracy, Precison, Recall, and F1-Score, and as a result, 99.9%, 95.1%, 92.5%, 86.3%, and 89.3%, respectively. It was confirmed that the recommended book reflects the student's interest. Conclusions Through the results of the performance analysis, it was confirmed that the books selected by individual students and the books recommended by the developed recommendation engine were similar. It was confirmed that for elementary school students, book recommendations according to each student's area of interest should be made in addition to book recommendations by experts or related organizations. In addition, in order to improve the completeness of the system developed through this study, additional analysis and reflection of big data on book loans by public institutions are needed, and various additional studies are needed to recommend customized books.
키워드열기/닫기 버튼
reading, machine learning, elementarystudent, book recommendation, LightFM
