고객의 검색패턴과 상품 상세정보를 활용한 상품 추천 모형의 개선
Improvement of a Product Recommendation Model using Customers' Search Patterns and Product Details
1
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
본 논문에서는 검색 키워드와 상품 상세정보를 활용한 Doc2vec 기반의 새로운 추천 모형을 제안한다. 지금까지 추천 시스템에 관한 많은 기존 연구에서는 고객의 구매 이력이나 평점 같은 정형 데이터만을 사용하는 협업 필터링(CF) 알고리즘에 기반한 추천 모델이 제안되었다. 그러나 CF에서 온라인고객 리뷰와 같은 비정형 데이터를 사용하면, 보다 나은 추천결과를 도출할 수 있다. 이에 본 연구에서는 기존 연구에서 거의 활용되지 않았던 검색 키워드 정보와 상품 상세정보를 제품 추천에 활용할것을 제안한다. 본 연구의 제안 모형은 고객이 구매한 상품에 대한 평점, 검색어, 상품 상세정보를종합적으로 고려한 CF 알고리즘을 이용해 추천결과를 생성한다. 이 때 비정형 데이터로부터 정량적인 패턴을 추출하기 위한 방법으로는 Doc2vec이 적용된다. 실험 결과 제안 모형이 기존 추천 모형보다 더 나은 성능을 보이는 것을 알 수 있었고, 검색어 및 상품 상세정보가 추천에 유의한 영향을 미치는 것을 확인하였다. 본 연구는 고객의 온라인 행동 정보를 추천시스템에 적용하였다는 점과 전통적인 CF의 한계 중 하나인 콜드 스타트 문제를 완화하였다는 점에서 학술적 의의가 있다.
Abstract
In this paper, we propose a novel recommendation model based on Doc2vec using search keywords and product details. Until now, a lot of prior studies on recommender systems have proposed collaborative filtering (CF) as the main algorithm for recommendation, which uses only structured input data such as customers’ purchase history or ratings. However, the use of unstructured data like online customer review in CF may lead to better recommendation. Under this background, we propose to use search keyword data and product detail information, which are seldom used in previous studies, for product recommendation. The proposed model makes recommendation by using CF which simultaneously considers ratings, search keywords and detailed information of the products purchased by customers. To extract quantitative patterns from these unstructured data, Doc2vec is applied. As a result of the experiment, the proposed model was found to outperform the conventional recommendation model. In addition, it was confirmed that search keywords and product details had a significant effect on recommendation. This study has academic significance in that it tries to apply the customers' online behavior information to the recommendation system and that it mitigates the cold start problem, which is one of the critical limitations of CF.
참고문헌 (32)
- Michael D. Ekstrand, "Collaborative Filtering Recommender Systems", Foundations and Trends® in Human–Computer Interaction, 4(2), pp.81~173 (2010), Now Publishers[DOI]
- 김민건, "구조적 공백과 협업필터링을 이용한 추천시스템", 지능정보연구, 20(4), pp.107~120 (2014), 한국지능정보시스템학회
- 이재성, "RFM 다차원 분석 기법을 활용한 암시적 사용자 피드백 기반 협업 필터링 개선 연구", 지능정보연구, 25(1), pp.139~161 (2019), 한국지능정보시스템학회
- 현지연, "평점과 리뷰 텍스트 감성분석을 결합한 추천시스템 향상 방안 연구", 지능정보연구, 25(1), pp.219~239 (2019), 한국지능정보시스템학회
- Mehdi Srifi, "Recommender Systems Based on Collaborative Filtering Using Review Texts—A Survey", Information, 11(6), pp.317~ (2020), MDPI AG[DOI]
- 윤소영, "상품 리뷰 감성분석을 이용한 아이템 기반 협업 필터링 추천 기법", 한국정보통신학회논문지, 24(8), pp.970~977 (2020), 한국정보통신학회[DOI]
- C. Katawetawaraks, "Online shopper behavior:Influences of online shopping decision", Asian Journal of Business Research, 1(2) (2011)[DOI]
- C. Wu, "Session-aware information embedding for e-commerce product recommendation", Proceedings of the 2017ACM on conference on information and knowledge management, pp.2379~2382 (2017)
- 김재경, "개인별 상품추천시스템, WebCF-PT: 웹마이닝과 상품계층도를 이용한 협업필터링", Asia Pacific Journal of Information Systems, 15(1), pp.63~79 (2005), 한국경영정보학회
- 안현철, "사용자 감정 예측을 통한 상황인지 추천시스템의 개선", Journal of Information Technology Applications & Management, 21(4), pp.203~223 (2014), 한국데이터전략학회
- M. J. Pazzani, "The adaptive web", pp.325~341 (2007), Springer
- 구민정, "종합 평점과 다기준 평점을 선택적으로 활용하는 협업필터링 기반 하이브리드 추천 시스템", 지능정보연구, 24(2), pp.85~109 (2018), 한국지능정보시스템학회[DOI]
- 김종현, "사용자 평점 기반 게임 추천 시스템", 한국산업정보학회논문지, 23(6), pp.9~19 (2018), 한국산업정보학회[DOI]
- Guibing Guo, "Leveraging prior ratings for recommender systems in e-commerce", Electronic Commerce Research and Applications, 13(6), pp.440~455 (2014), Elsevier BV[DOI]
- 손지은, "추천 시스템 기법 연구동향 분석", 대한산업공학회지, 41(2), pp.185~208 (2015), 대한산업공학회[DOI]
- X. Su, "A survey of collaborative filtering techniques", Advances in artificial intelligence (2009)[DOI]
- 최성이, "사용자 관심 이슈 분석을 통한 추천시스템 성능 향상 방안", 지능정보연구, 21(3), pp.101~116 (2015), 한국지능정보시스템학회
- Ja-Hwung Su, "Effective social content-based collaborative filtering for music recommendation", Intelligent Data Analysis, 21, pp.S195~S216 (2017), IOS Press[DOI]
- Yue Ma, "Finding users preferences from large-scale online reviews for personalized recommendation", Electronic Commerce Research, 17(1), pp.3~29 (2017), Springer Science and Business Media LLC[DOI]
- 조승연, "고객 온라인 구매후기를 활용한 추천시스템 개발 및 적용", 경영정보학연구, 17(3), pp.95~111 (2015), 한국경영정보학회[DOI]
- 조성은, "사용자의 검색 키워드 특징에 기반한 상품 추천 시스템에 관한 연구", 디지털콘텐츠학회논문지, 20(2), pp.315~320 (2019), 한국디지털콘텐츠학회[DOI]
- 이륜경, "딥러닝을 이용한 온라인 리뷰 기반 다속성별 추천 모형 개발", 정보시스템연구, 28(1), pp.97~114 (2019), 한국정보시스템학회[DOI]
- 채혁기, "인터넷 쇼핑몰을 위한 AISAS 모델 기반의 RSS 마케팅 활용방안에 관한 연구", 한국전자거래학회지, 13(3), pp.21~49 (2008), 한국전자거래학회
- 구희경, "패션제품의 세대별 특성에 따른 AISAS 구매행동에 관한 연구", 한국과학예술융합학회, 9, pp.15~26 (2011), 한국전시산업융합연구원
- C. Wu, "Session-aware information embedding for e-commerce product recommendation", Proceedings of the 2017 ACM on Conference on Information and Knowledge Management, pp.2379~2382 (2017)
- J. W. Jeong, "Recommendation Exploiting Search-Keywords in Online Shopping", KIISE a collection of academic presentation papers, 39(2), pp.95~97 (2012)
- Jingtao Ding, "Improving Implicit Recommender Systems with Auxiliary Data", ACM Transactions on Information Systems, 38(1), pp.1~27 (2020), Association for Computing Machinery (ACM)[DOI]
- V. T. Phi, "Distributed representation based recommender systems in e-commerce", DEIM Forum (2016)
- Q. Le, "Distributed representations of sentences and documents", International Conference on Machine Learning, pp.1188~1196 (2014)
- T. Mikolov, "Distributed representations of words and phrases and their compositionality", Advances in Neural Information Processing Systems, 26, pp.3111~3119 (2013)[DOI]
- "Lotte Members, L.pay|L.POINT, 제5회 L.POINT Big Data Competition", ~
- R. Mithe, "Optical character recognition", International Journal of Recent Technology and Engineering (IJRTE), 2(1), pp.72~75 (2013)[DOI]