유사도를 이용한 오프라인 상품 기반 추천 기법
A Recommendation Technique Based on Offline Product Using Similarity
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
온라인 쇼핑몰은 사용자의 구매 트랜잭션 정보를 이용하여 사용자에게 효율적으로 추천 상품을 제공할 수 있다. 그러나 오프라인 매장에서는 사용자의 정보나 구매 트랜잭션 정보를 이용하여 실시간으로 추천 상품을 제공하는데 한계가 있다. 현재 O2O 서비스가 확산되는 것에 비해 오프라인 상품을 기반으로 개인화된 추천 서비스에 대한 개발 및 연구가 미흡한 상황이다. 본 연구에서는 오프라인 개별 상품과 온라인 트랜잭션 정보를 기반으로 상품들 간에 유사도를 계산하여 사용자에게 적합한 상품을 추천하기 위한 아키텍쳐를 제안한다. 또한 이러한 아키텍쳐를 구성하는 구성 모듈들 간에 추천 상품을 도출하기 위한 절차를 제안한다. 오프라인 개별 상품은 비콘 센서를 통해 식별되며, 사용자는 비콘 센서로부터 수신 받은 오프라인 상품을 선택하여 관심 여부를 결정한다. 오프라인 상품과 온라인 트랜잭션 정보를 기반으로 유사도를 계산하여 사용자에게 Top-n 추천 상품을 제공한다. 의류 매장의 오프라인 의류에 대해 유사도를 계산하여 사용자에게 관심있는 상품을 추천하는 시스템 구축을 통해 본 연구의 아키텍쳐에 대한 실현 가능성을 증명한다. 기존의 연구들이 사용자가 방문한 오프라인 매장의 구매 이력을 기반으로 브랜드를 추천하지만, 본 연구에서는 개별 상품에 대해 추천 상품을 제공하다는 측면에서 차별성을 갖는다.
Abstract
The online shopping mall can efficiently provide the recommendation product to the user by using the purchase transaction information of the user. However, in the offline store, there is a limit in providing recommended products in real time using information of users or purchase transaction information. Currently, O2O service provision is spreading, but development and research on personalized recommendation service based on offline products are insufficient. In this paper, we propose an architecture for recommending products suitable for users by calculating similarity between products based on offline individual products and online transaction information. We also propose a procedure for deriving a recommendation product among the constituent modules constituting the architecture. The offline individual product is identified through the Beacon sensor, and the user selects the offline product received from the beacon sensor to determine interest. It calculates the similarity based on offline products and online transaction information and provides top-n recommended products to users. We prove the feasibility of the architecture of this study by constructing a system that recommends products that interest the user by calculating the similarity for offline clothing of clothing store. The existing researches recommend brand based on the purchase history of the offline store visited by the user, but in this paper, it is different in terms of providing recommended products for individual products.
참고문헌 (15)
- 전현규, "오프라인-온라인 멀티채널 쇼핑상황에서의 신뢰전이와 지속구매의도에 관한 연구 : 뉴로티시즘 조절효과 분석", 경영과학, 33(2), pp.89~115 (2016), 한국경영과학회[DOI]
- W. Y. Tsao, "The fitness of product information : evidence from online recommendations", International Journal of Information Management, 33(1), pp.1~9 (2013)
- J. G. Liu, "Overview of the evaluated algorithms for the personal recommendation systems", Complex Systems and Complex Science, 6, pp.1~3 (2009)
- 최준연, "추천 시스템의 예측 정확도 향상을 위한 고객 평가정보의 신뢰도 활용법", 한국콘텐츠학회 논문지, 13(7), pp.379~385 (2013), 한국콘텐츠학회[DOI]
- 최종선, "오프라인과 온라인 쇼핑몰의 데이터 분석에 관한 연구", 전자상거래학회지, 12(2), pp.71~88 (2011), 한국전자상거래학회
- 김남기, "오프라인 쇼핑몰에서 고객 행위에 기반을 둔 맞춤형 브랜드 추천에 관한 연구", Journal of Information Technology Applications & Management, 23(4), pp.55~70 (2016), 한국데이터전략학회[DOI]
- 정석봉, "오프라인 쇼핑몰에서 고객의 과거 구매 패턴을 활용한 아이템 기반 협업필터링 성능 개선에 관한 연구", Journal of Information Technology Applications & Management, 24(4), pp.1~12 (2017), 한국데이터전략학회[DOI]
- D. Goldberg, "Using collaborative filtering to weave an information tapestry", Communications of th ACM, 35(12), pp.61~70 (1992)
- I. Im, "Recommendation system using R" (2016), Chaosbook
- 최영환, "오프라인 쇼핑몰에서 개인화된 상품 추천을 위한 사용자의 이동패턴 분석", 한국지능시스템학회 논문지, 16(2), pp.185~190 (2006), 한국지능시스템학회
- T. A. McQueen, "Applications and Science in Soft Computing, Advances in Soft Computing Series" (2003), Springer
- "Mean absolute error"[URL]
- S. J. Kim, "Design of merchandise recommendation system using environmental information", Proceedings of the Korean Society of Computer Information Conference, 27(1), pp.129~131 (2019)
- M. Deshpande, "Item-based top-N recommendation algorithms", ACM Trans. Inf. Syst, 22(1), pp.143~177 (2004)
- "Euclidean Distance"[URL]