원문정보
피인용수 : 0건 (자료제공 : 네이버학술정보)
초록
한국어
기술의 발전과 모바일 기기의 보편화로 구매기록, 행동패턴 등 다양한 고객 정보의 수집이 가능해졌다. 정보의 양이 증가함에 따라 기업에서는 이를 활용한 차별화된 서비스를 제공하기 위해 개인화 서비스에 주목하고 있다. 추천시스템은 다양한 지식 발견 기법에 기반하여 고객들에게 개인화된 상품 추천 서비스를 제공하는 시스템으로, 현재 가장 선호되고 있는 추천 기법인 협업필터링은 영화, 음악, 상품, 뉴스 등 다양한 분야에서 사용되고 있다. 최근 거래 데이터의 증가에 따라 대용량 데이터 분석 및 변화하는 고객 선호도를 반영한 보다 확장된 추천시스템 개발이 필요해졌다. 본 연구에서는 고객의 구매순서를 활용하여 추천 품질을 향상시키는 새로운 추천 방법을 제안한다. 이를 위해 시계열 데이터 분석에 특화된 인공신경망 구조인 순환신경망(Recurrent Neural Networks)을 추천 모델에 적용하여 구매 패턴을 학습하고 이를 추천에 활용한다. 실제 온라인 기반 배송서비스 업체의 상품구매 데이터를 통해 제안하는 방법이 장기간에 걸쳐 시간에 따라 변화하는 고객의 선호도를 얼마나 잘 반영하는지 살펴보았다. 그 결과 구매순서를 고려한 추천 모델이 추천된 상품의 정확성과 다양성 측면에서 기존 협업필터링 기법보다 우수한 추천품질을 보여주는 것을 확인하였다.
목차
Abstract
1. 서론
2. 관련 연구
2.1 추천시스템
2.2 RNN(순환신경망)
3. RNN-기반 추천방법
3.1. 방법론 개요
3.2 구매순서를 고려하는 LSTM 모델
4. 성능평가
4.1 실험 데이터
4.2 평가 지표
4.3 실험 결과
5. 결론
Acknowledgments
References
1. 서론
2. 관련 연구
2.1 추천시스템
2.2 RNN(순환신경망)
3. RNN-기반 추천방법
3.1. 방법론 개요
3.2 구매순서를 고려하는 LSTM 모델
4. 성능평가
4.1 실험 데이터
4.2 평가 지표
4.3 실험 결과
5. 결론
Acknowledgments
References
키워드
저자정보
참고문헌
자료제공 : 네이버학술정보