소비자의 동선을 고려한 지능형 상품 추천 기법 - 편의점 도시락 추천 사례를 중심으로-
An Intelligent Items Recommendation Method on Customer’s Circulation – Convenience Store lunchbox Use –
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 지능정보기술의 발달로 소비자들의 욕구를 보다 세밀하게 반영하는 형태의 서비스들이 각광을 받고 있다. 구매자는 자신의 원하는 제품을 탐색하기 위한 시간을 줄이고 판매자는 개인별 선호도에 따른 상품을 추천하여 수익을 증가시키는 긍정적인 영향을 주고 있어서 이러한 서비스의 중요성은 더욱 증대되고 있다. 하지만 이러한 연구들은 대부분 구매자들의 선호도, 구매자-상품 유사도, 그리고 구매자의 정적인 위치 등만을 고려하고 구매 환경 변화 및 미래 수요 예측을 통해 미리 정보를 제공하지 못하는 단점이 있다. 따라서 본 논문에서는 이러한 기존의 문제점을 해결하기 위해 구매자의 이동 예상 동선을 예측하여 시간대별로 구매 가능성이 높은 상품(도시락)을 실시간으로 제공하기 위한 지능형 상품 추천 기법을 제안한다. 제안된 시스템은 구매자의 현재 위치에서의 도시락의 변동 정보뿐만 아니라 구매자의 이동 동선을 예측하여 특정 시간대에 방문 가능성이 높은 편의점의 도시락 정보를 실시간으로 함께 추천한다. 평가를 통해, 제안 시스템은 오류 없이 도시락을 추천하였으며, 정확도는 0.9 이상으로 상용화할 수 있을 정도의 수치임을 확인하였다.
Abstract
Recently, with the development of intelligent information technology, services that reflect consumers' needs in more detail are in the limelight. The importance of these services is increasing as buyers reduce the time to search for their desired products and sellers recommend products according to individual preferences, which has a positive effect on increasing profits. However, most of these studies have a disadvantage in that they only consider buyers' preferences, buyer-product similarity, and buyer's static location, and cannot provide information in advance through changes in the purchasing environment and future demand forecasts. Therefore, In this paper, we propose an intelligent product recommendation technique to solve the problems and provide a lunchbox with a higher chance of purchase in real-time by predicting the buyer's expected movement. The proposed system predicts the purchaser's route and changes in the lunchbox at their current location, and recommends lunchboxes from a convenience store that is highly likely to be visited at a specific time. Through the evaluation, the proposed system was found to recommend lunchboxes accurately without errors with an accuracy rate of over 0.9, making it commercially viable.
참고문헌 (16)
- 김진일, "증강현실기반 영어 교과-연계 체험 학습앱 개발", 한국지식정보기술학회 논문지, 12(1), pp.123~130 (2017), 한국지식정보기술학회[DOI]
- J. A. Konstan, "GroupLens : applying collaborative filtering to Usenet news", Communications of the ACM, 40(3), pp.77~87 (1997)
- E-commerce recommendation applications, "J. B. Schafer", 115-153, ~ (2001)
- Y. H. Wu, "Index structures of user profiles for efficient web page filtering services", Proceedings 20th IEEE International Conference on Distributed Computing Systems, pp.644~644 (2000)
- M. J. Pazzani, "Content-based Recommendation Systems", pp.325~341 (2007), The adaptive web
- P. Lops, "Content-based recommender systems : state of the art and trends", pp.73~105 (2011), Recommender Systems Handbook
- L. Lü, "Recommender systems", Physics Reports, 519(1), pp.1~49 (2012)
- 손지은, "추천 시스템 기법 연구동향 분석", 대한산업공학회지, 41(2), pp.185~208 (2015), 대한산업공학회[DOI]
- J. S. Breese, "Empirical analysis of predictive algorithms for collaborative filtering", Proceedings of the Fourteenth conference on Uncertainty in artificial intelligence, pp.43~52 (1998)
- P. Resnick, "GroupLens : an open architecture for collaborative filtering of netnews", Proceedings of the ACM conference on Computer supported cooperative work, pp.175~186 (1994)
- B. Sarwar, "Item-based collaborative filtering recommendation algorithms", Proceedings of the 10th international conference on World Wide Web, pp.285~295 (2001)
- T. Hofmann, "Latent semantic models for collaborative filtering", ACM Transactions on Information Systems(TOIS), 22(1), pp.89~115 (2004)
- A. B. Barragáns-Martínez, "A hybrid content-based and item-based collaborative filtering approach to recommend TV programs enhanced with singular value decomposition", Information Sciences, 180(22), pp.4290~4311 (2010)
- 박호연, "BERT 기반 감성분석을 이용한 추천시스템", 지능정보연구, 27(2), pp.1~15 (2021), 한국지능정보시스템학회
- 김철진, "상품 추천 정확도를 향상시키기 위한 점증적 추천 기법", 한국지식정보기술학회 논문지, 16(3), pp.483~496 (2021), 한국지식정보기술학회[DOI]
- 정경용, "스마트 홈에서 상황인식 기반의 정보 필터링을 이용한 추천", 한국콘텐츠학회 논문지, 8(7), pp.17~25 (2008), 한국콘텐츠학회