Search
Search

연구성과물 검색 타이틀 이미지

HOME ICON HOME > Search by Achievements Type > Reports View

Reports Detailed Information

https://www.krm.or.kr/krmts/link.html?dbGubun=SD&m201_id=10014161&local_id=10024810
복잡계 네트워크 이론에 기반한 추천방법연구
Reports NRF is supported by Research Projects( 복잡계 네트워크 이론에 기반한 추천방법연구 | 2007 Year | 김재경(경희대학교) ) data is submitted to the NRF Project Results
Researcher who has been awarded a research grant by Humanities and Social Studies Support Program of NRF has to submit an end product within 6 months(* depend on the form of business)
사업별 신청요강보기
  • Researchers have entered the information directly to the NRF of Korea research support system
Project Number B00051
Year(selected) 2007 Year
the present condition of Project 종료
State of proposition 재단승인
Completion Date 2010년 01월 29일
Year type 결과보고
Year(final report) 2010년
Research Summary
  • Korean
  • 협업필터링은 상품을 추천하고자 하는 고객과 유사한 구매 행태를 보이는 고객들의 구매 정보를 반영하여 추천대상 고객이 아직 구매하지 않은 상품에 대한 선호도를 예측한 후 선호도가 높을 것으로 예측되는 상품을 추천해주는 시스템이다. 그러나 협업필터링은 희박성, 확장성, 신규고객 추천불가 문제 등을 지니고 있다. 따라서 기존의 신규고객 추천 방법의 한계를 극복할 수 있는 새로운 접근방법의 필요성이 대두되고 있다.
    본 연구에서는 고객 네트워크 및 제품 네트워크 구축 프로세스를 제안하고, 사회네트워크 분석의 중심성, 밀도 등을 활용하여 고객 네트워크 및 제품 네트워크의 관계, 구조적 특징을 분석하였다. 또한 고객 네트워크를 추천 시스템에 접목하여 신규고객 추천 문제를 해결하고자 하였다. 또한 본 연구에서는 추천 프로세스로 동적 네트워크의 링크 강도를 조정하는 로컬 스코링 추천 프로세스를 통해 추천 시스템의 희박성, 확장성 문제를 해결하고자 하였다.
    본 연구에서는 제안한 다양한 방법론들을 H 백화점, L백화점 고객 구매 데이터 등을 이용하여 실험하였다. 고객 네트워크와 제품 네트워크의 실험결과 충성고객의 특징을 파악할 수 있었을 뿐 만 아니라, 본 연구에서 제시한 추천 프로세스가 기존의 추천 프로세스보다 정확도가 높음을 알 수 있었다.
  • English
  • A Collaborative Filtering-based recommender system collects all of customers’ transaction data and determines relevant customer set, called neighborhood, which are determined by representative measures such as Cosine or Pearson-correlation and then generates product recommendation lists from the transactions of neighborhood. Though such a procedure has been known to a very effective method, its computational overhead can be prohibitive when the customer base is large. At the same time, when the sparse level of the transaction data is high, it brings deterioration in the quality of recommendations. In addition, Collaborative filtering cannot recommend products to the new customer who has no preference information because it recommends products using customers’ preferences.
    To address these problems, we proposed construction process of customer network and product network and analyzed the relationship and structured characteristics of them and recommendation method identifies customers most likely to be neighbors to the new customer using the centrality theory in social network analysis. In particular, we proposed the use of a customer network, for recommendations that accommodate the large-scale and sparsity nature of the transaction dataset through governing the link strength of dynamic networks.
    We have conducted several experiments using a data set from a department store in Korea. Experiment results show the follows. First, the degree centrality and density of the churning customer network are higher than those of the loyal customer network. Second, degree centrality, density and degree centralization of the product network of the loyal customers are higher than those of the potential churning customers. Third, the recommendation method using social network analysis outperforms the best-seller-based method when new customers are recommended. Fourth, the microscopic process of the recommendation network is computationally more efficient than, but as accurate as, the global optimization process of the traditional recommender system.
Research result report
  • Abstract
  • 1. 사회 네트워크 분석을 이용한 충성고객과 이탈고객의 구매 특성 비교 연구

    In this study, a customer network is proposed to investigate the differences of network characteristics of churning customers and loyal customers. The customer networks are constructed by analyzing the real purchase data collected from a Korean cosmetic provider. We investigated whether the churning customers and the loyal customers have different degree centralities and densities of the customer networks. In addition, we compared products purchased by the churning customers and those by the loyal customers. Our data analysis results indicate that degree centrality and density of the churning customer network are higher than those of the loyal customer network, and the various products are purchased by churning customers rather than by the loyal customers.

    2. 제품 네트워크 분석을 이용한 고객의 구매제품 특성 비교 연구

    In this study, product networks are proposed and analyzed to investigate the differences of network characteristics of products purchased by potential churning customers and loyal customers. The product networks are constructed from real product purchase data collected from a Korean department store. We investigated whether they are different the degree centrality, degree centralization, and density of two product networks constructed by potential churning customers and the loyal customers. Our data analysis results indicate that degree centrality, density and degree centralization of the product network of the loyal customers are higher than those of the potential churning customers. And the promotional products of the department store are resulted to be effective attraction to the loyal customers.


    3. 사회연결망:신규고객 추천문제의 새로운 접근법

    This paper proposes a novel approach to new customer recommendations using the social network analysis which is used to search relationships among social entities such as genetics network, traffic network, organization network, etc.
    The proposed recommendation method identifies customers most likely to be neighbors to the new customer using the centrality theory in social network analysis and recommends products those customers have liked in the past. The procedure of our method is divided into four phases:purchase similarity analysis, social network construction, centrality-based neighborhood formation, and recommendation generation. To evaluate the effectiveness of our approach, we have conducted several experiments using a data set from a department store in Korea. Our method was compared with the best-seller-based method that uses the best-seller list to generate recommendations for the new customer. The experimental results show that our approach significantly outperforms the best-seller-based method as


    4. Local Scoring Model for Recommender Network

    The paper proposes the use of a customer network, for recommendations that accommodate the large-scale and sparsity nature of the transaction dataset. What is proposed in this study is a more active form of social network application, recommender network, utilizing the fast diffusion and information sharing capability of social network. From the literature of bipartite graph, we formulate CF-based recommendation task as a network problem, and then we propose a microscopic process governing the link strength of dynamic networks as a recommendation process. In order to validate the effectiveness and the efficiency of the proposed method, we build a recommendation network for the product recommendation using real product transaction data and compare it against the traditional system based on collaborative filtering. Experiment results show that the microscopic process of the recommendation network is computationally more efficient than, but as accurate as, the global optimization process of the traditional recommender system.
  • Research result and Utilization method
  • 본 연구에서는 협업필터링과 내용기반필터링 기법의 디자인 중심으로 진행 되어온 추천시스템 연구의 관점을 사용자간 연결의 관점에서 재해석하였으며, 복잡계 네트워크 이론을 도입하여 추천시스템 기반이론을 확장하였다. 향후 이와 관련된 다양한 후속연구가 파생되어 보다 다양한 사용자 중심의 네트워크 기반 추천시스템 연구가 활발히 이루어질 것으로 기대된다.

    추천시스템 연구초기부터 협업필터링의 근본적인 문제로 지적되어온 희박성, 확장성, 신규고객추천불가 문제 등을 해결할 수 있는 방안을 제시함으로써 추천시스템 내부의 정확성을 높이는 한편, 증가하는 고객과 상품을 수용할 수 있는 추천시스템 도입과 신규고객 유치를 원하는 기업에 실질적 활용 가능성을 높였다.

    지금까지 추천시스템에서 다루지 않았던 사용자들의 정보분배 요구를 수용한 로컬 네트워크 기반 추천프로세스를 개발하였다. 최근 사용자 참여와 사용자 제작 컨텐트량이 급증하면서 개별사용자는 효과적인 분배망으로써의 개인화된 네트워크 요구가 발생하였고 이를 수용한 최초의 연구로써 해당분야의 선도적 연구가 될 것이다. 나아가 네트워크 기반의 추천 애플리케이션 구현의 기반기술을 제공하여 향후 개인 네트워크 기반의 개인화 서비스에서 범용적인 네트워크 생성 툴로써 활용될 것으로 기대된다.

    네트워크를 통해 정보가 전달하는 과정에서 3단계의 자동화된 필터링을 수행함으로써 사용자가 원하지 않는 정보에 노출 될 가능성을 낮추는 한편, 추천의 유효수준에 따라 네트워크 연결강도가 조정되어 유효한 사용자를 최근접 노드로 진화시켜 갈 수 있도록 네트워크를 설계함으로써 추천의 신 뢰성을 제고할 수 있을 것으로 기대된다.

    개인네트워크 기반의 추천프로세스 개발은 학술적 의미뿐 만 아니라 사회 적으로도 중요한 의미를 갖는다. 양질의 정보를 선별하고 효과적인 정보확산을 주도하는 메커니즘을 도입함으로써 정보지식사회의 질서를 견인하는 인터넷 스스로의 자정작용을 강화하였다.

    유효한 사용자간 상호작용을 활성화 할 수 있는 네트워크 기반을 제공함으로써 개인에게는 안정적인 정보원천에 대한 접점을 확보할 수 있게 하는 한편, 사회적으로는 집단지성을 통해 보다 가치 있는 정보생산을 활성화 할 수 있을 것으로 기대된다.
  • Index terms
  • recommender system, collaborative filtering, new customer, recommendation, cold-start recommendation problem, social network analysis, churning analysis, customer network, product network, degree centrality, degree centralization, density, 추천 시스템, 협업 필터링, 신규고객 추천, 신규고객 추천 문제, 사회 네트워크 분석, 이탈 분석, 고객 네트워크, 제품 네트?p, 연결정도 중심성, 연결정도 집중도, 밀도
  • List of digital content of this reports
데이터를 로딩중 입니다.
  • This document, it is necessary to display the original author and you do not have permission
    to use copyrighted material for-profit
  • In addition , it does not allow the change or secondary writings of work
데이터 이용 만족도
자료이용후 의견
입력
트위터 페이스북
NRF Daejeon
(34113) 201, Gajeong-ro, Yuseong-gu, Daejeon, Korea
Tel: 82-42-869-6114 / Fax: 82-42-869-6777
NRF Seoul
(06792) 25, Heonreung-ro, Seocho-gu, Seoul, Korea
Tel: 82-2-3460-5500 / Fax: 82-2-3460-5759
KRM Help Center
Tel : 042-710-4360
E-mail : krmcenter@nrf.re.kr / Fax : 042-861-4380