인터넷이 급격히 확산되기 시작한 90년대 말 이후, 추천시스템은 주요한 지능형 의사결정지원시스템 분야의 연구주제 중 하나로 자리매김 하고 있다. 추천시스템(recommender system)은 소비자가 필요로 하는 자료와 정보를 선택적으로 제공하여 정보 과부하(information ...

인터넷이 급격히 확산되기 시작한 90년대 말 이후, 추천시스템은 주요한 지능형 의사결정지원시스템 분야의 연구주제 중 하나로 자리매김 하고 있다. 추천시스템(recommender system)은 소비자가 필요로 하는 자료와 정보를 선택적으로 제공하여 정보 과부하(information overload) 현상을 해소하고, 이를 통해 소비자의 구매의사결정을 지원하는 정보시스템이다.
추천시스템의 성능을 향상시키기 위해서는 그 무엇보다도 먼저 고객의 니즈(needs)를 정확하게 파악하는 것이 중요하다. 그 일환으로 최근 새롭게 주목받고 있는 분야가 바로 ‘상황 인지 추천시스템(context-aware recommender system)’이다. 상황 인지 접근법은 고객이 요구하기 전에 미리 고객의 니즈를 파악하여, 그들의 수요에 사전적(proactive)으로 대응하는 기법을 의미한다. 상황 인지 서비스는 다양한 센서들로부터 고객의 내적 그리고 외적 상황 정보를 수집한 뒤, 이를 근거로 그들의 니즈를 추론하여, 일련의 다양한 맞춤 서비스를 제공한다. 때문에 효과적인 상황 인지 서비스를 제공하기 위해서는 고객의 내적, 외적 상황정보를 센서를 통해 수집해야 한다. 하지만, 현실적으로 고객의 생각, 감정과 같은 내적 상황에 대한 정보 수집 및 측정은 기술적으로 제약이 많기 때문에, 지금까지는 주로 정량적으로 측정 가능한 외적 상황정보를 이용한 연구가 수행되어 왔다.
이러한 배경에서 본 연구는 사용자, 즉 고객의 정서 정보, 그 중에서도 다른 고객의 상품평을 고려하고, 고객의 사회연결망과 감정 상태를 예측하여, 이를 통해 실시간으로 고객의 니즈를 충족시킬 수 있는 새로운 추천시스템을 제안한다. 구체적으로 본 연구에서 제안하는 추천시스템은 오피니언마이닝을 통해 다른 고객의 상품평을 고려하고, 고객의 사회연결망에서 유사한 성향을 가질 것으로 판단되는 친구의 평가에 가중치를 두어 상품을 추천한 후, 그 추천을 받은 사용자의 얼굴 표정과 움직임에서 나타나는 변화를 입력정보로 하여, 사용자에게 기 추천된 상품(혹은 정보)에 대해 반응하는 감정 상태를 예측한 다음, 이를 기반으로 사용자의 감정상태가 부정적으로 파악될 경우, 현재 추천되고 있는 상품과 반대되는 성향을 가진 상품으로 바꾸어 추천을 하고, 반대로 사용자의 반응이 긍정적으로 파악될 경우 현재 추천되고 있는 상품에 대한 보다 심화된 정보를 제공하든가, 혹은 현재 노출되는 상품과 유사한 상품을 새롭게 찾아 추천한다.
최근에 기존의 외재적 평가점수만을 활용한 추천기술보다 외재적 평가점수 외에 추천과정에서 고객의 정서적 정보를 반영하기 위해 오피니언마이닝, 사회연결망분석 정보를 활용한 추천시스템에 관한 관심이 고조되고 있으며, 감정 예측을 위한 지능형 정보기술 개발에 대한 해외 기관 및 기업들의 움직임이 활발한데 비해, 이 분야에 대한 국내 연구는 학술대회에서 몇 차례 초기 단계의 연구들이 발표되고 있는 것을 제외하고는 많이 찾아보기 힘들다. 특히 경영정보시스템의 관점에서 이 분야를 접근하는 연구들은 더 찾아보기 힘들다는 점에서, 본 연구는 국가 경쟁력을 확보하는 차원에서도 상당히 유의미한 주제를 다루고 있는 연구라고 할 수 있다. 따라서 본 연구에서는 다양한 추천모듈을 통해 고객의 정서 정보를 추천과정에 반영하여, 추천시스템을 이용하는 고객의 만족도를 제고하고 이를 통해 효과적인 고객관계관리를 가능하게 하는 방안을 제시하는 것을 목표로 한다.

소셜네트워크서비스와 스마트기기의 활성화로 웹 상의 정보양은 기하급수적으로 증가하고 있으며, 이에 따라 웹 상의 빅데이터를 효율적으로 활용하고자 하는 학문적, 사회적 수요도 급격히 증가하고 있다. 본 연구는 이러한 웹 상의 과도한 정보를 필터링하여 개인화된 ...

소셜네트워크서비스와 스마트기기의 활성화로 웹 상의 정보양은 기하급수적으로 증가하고 있으며, 이에 따라 웹 상의 빅데이터를 효율적으로 활용하고자 하는 학문적, 사회적 수요도 급격히 증가하고 있다. 본 연구는 이러한 웹 상의 과도한 정보를 필터링하여 개인화된 정보로 제공할 수 있는 추천시스템의 기반 기술인 추천 알고리즘의 한계점을 보완하고자 하는 것이다. 따라서 본 연구의 결과물은 기존 추천시스템의 추천 성능을 향상시켜 실무적으로 유용하게 사용될 수 있을 것이다.
본 연구에서는 사용자의 다양한 정서 정보를 고려한 새로운 개념의 추천시스템을 제안한다. 본 연구에서 제안하는 추천시스템은 오피니언마이닝, 사회연결망분석, 감정반응분석 등을 통해 사용자의 다양한 정서 정보를 추천과정에 반영할 수 있는 시스템이다. 특히, 추천결과를 생성하고 나면 거기서 모든 구동이 멈추도록 설계된 기존의 추천시스템과 달리, 본 연구의 제안시스템은 추천결과를 생성한 뒤, 해당 추천결과에 대한 사용자의 반응을 살펴보고, 이를 기반으로 사용자에게 추천결과가 전달되는 이른바 진실의 순간(MoT, Moment of Truth)에 사용자가 어떤 상황(감정상태)에 처해 있는지를 파악하여, 지속적으로 사용자에게 진화, 발전된 추천결과를 제공할 수 있도록 설계되어 있어, 기존 연구와 비교해 크게 진일보한 학문적, 사회적 의의를 갖게 될 것으로 기대된다.
최근 모바일 기기의 발전 동향에 따라 다양한 형태의 추천서비스가 가능할 것으로 예상되며, 본 연구는 다년과제를 수행하는 과정에서 이러한 스마트 기기의 발전추세에 연구모형을 맞추어 갈 계획이다. 본 연구의 응용분야는 상황인지 추천을 필요로 하는 마케팅, CRM, 통신서비스 분야 등이다. 본 연구에서 제안하는 모형은 모든 추천시스템에 공통적으로 활용될 수 있다. 본 연구의 결과는 모바일 기기의 사용자들에게 다양한 콘텐츠, 서비스, 상품, 광고 등을 제공하는 분야에서 활용될 수 있다. 구체적으로 휴대폰, 스마트폰 등의 모바일 기기에 사용자의 감성적 기호를 고려한 자동화된 상황인지 서비스를 제공할 수 있다. 따라서 이동통신기업, 이동통신을 이용한 광고업체, 사회연결망서비스를 제공하는 업체 등에서 연구결과를 활용할 수 있을 것이다.
또한, 학술적으로는 오피니언마이닝, 사회연결망분석, 감정반응분석 등 최근 학술적으로 매우 관심이 많은 연구분야에 대한 새로운 방법론 제안과 사용자의 감성적 기호를 추천에 반영하는 통합모형을 제안한다는 공헌이 있다. 지금껏 상황인지 추천시스템에 대한 많은 선행연구가 있었지만 사용자의 감성적 기호를 반영할 수 있도록 사회연결망 정보, 오피니언마이닝 정보, 감정상태 정보를 통합하여 활용할 수 있는 추천시스템에 관한 선행연구는 유례가 없었다. 본 연구에서는 다양한 소비자의 정서 정보를 추천시스템에 통합적으로 반영할 수 있는 추천시스템을 최초로 제안하였다는 공헌이 있다.

본 연구에서는 전통적인 외재적 평가(explicit rating) 기반의 협업필터링 기반 추천 방식에 오피니언마이닝과 사회연결망분석의 2가지 요소들을 추가로 고려하여 추천결과의 품질과 정확도를 획기적으로 개선할 수 있는 새로운 통합 모형을 제안한다. 또한 이렇게 제안된 ...

본 연구에서는 전통적인 외재적 평가(explicit rating) 기반의 협업필터링 기반 추천 방식에 오피니언마이닝과 사회연결망분석의 2가지 요소들을 추가로 고려하여 추천결과의 품질과 정확도를 획기적으로 개선할 수 있는 새로운 통합 모형을 제안한다. 또한 이렇게 제안된 결과에 대해 피추천인의 반응을 실시간으로 탐지하고, 이를 통해 해당 피추천인이 어떤 감정을 느끼고 있는지 판단하여 그 결과에 따라 추천결과를 새롭게 진화시키는 ‘적응형 에이전트(adaptive agent)’의 개념도 새롭게 제안하고 있다. 이러한 본 연구의 제안모형은 지금껏 학계에서 개별적으로 연구되어 온 추천시스템 분야의 다양한 주제들을 하나의 틀로 수렴시켜, 다양한 입력 정보들을 활용하여 양질의 추천결과를 생성시킬 수 있는 멀티모달 추천시스템(multimodal recommender systems)에 대한 이론적 틀을 제시한다는 측면에서 학술적으로나 실무적으로 그 의미가 매우 크다고 할 수 있다. 특히 외재적 평가 정보만 활용하여 주로 연구가 수행되어 온 기존 추천시스템 분야의 연구들과 달리, 본 연구는 피추천인의 인적 네트워크 정보라든가 그가 지금까지 남긴 각종 의견들, 심지어 피추천인이 추천 당시 표출한 얼굴표정이나 신체 움직임과 같은 반응정보들과 같은 내재적 정보(implicit information)들을 대상으로 추천시스템의 성능 개선을 시도하고 있다는 점에서 시대를 선도하는 지능형 의사결정지원시스템 분야의 선구자적 연구주제를 다루고 있다 하겠다.
본 연구에서 제안하는 추천시스템은 기본적으로 User-Item 행렬로 대표되는 외재적 평가 결과를 이용하여 협업필터링 기법을 활용해 추천결과를 생성하는 기본 추천모듈과 오피니언마이닝, 사회연결망분석을 활용해 추천결과를 생성하는 2개의 보조추천모듈로 구성된다.
오피니언마이닝을 이용한 추천모듈은 아래와 같은 과정을 통해 수행된다. 첫 단계는 학습 데이터로부터 주요 감성 어휘를 추출하고 이에 대한 감성 값을 부여하여 감성사전을 구축하는 단계이다. 이 단계에서 Partitioning 프로세스, Text Mining, Lexicon Integration 프로세스, Sentiment Lexicon Generation 프로세스를 통해 Integrated Lexicon에 수록된 모든 어휘에 대해 각각의 감성 값이 산출되어 감성사전이 구축된다. 다음 단계는 문서별 감성 값을 도출하는 것으로 이 단계의 Sentiment Analysis 프로세스는 앞에서 구축한 감성 사전을 이용하여 각 문서별, 즉 각 상품평별 감성 값을 산출한다. 마지막으로 문서별 신뢰도를 도출한다. 이 단계에서는 오피니언 스팸 탐지 기법을 사용하여 각 상품평의 신뢰도를 계산한다. 여기서 신뢰도 기반 긍정 지수를 도출하게 되면, 기본추천모듈의 상품 추천 과정에서 이 긍정 지수를 활용함으로써 다른 사용자의 평판을 감안한 정교한 상품 추천이 이루어질 수 있다.
다음으로 사회연결망분석을 이용한 추천모듈은 사용자의 사회연결망의 하위군집으로부터 중심점을 추출하고 이를 군집분석의 초기 중심점으로 활용하여 군집화를 수행하게 되는데, 생성된 군집에 대한 정보를 기본추천모듈에 제공함으로서, 사용자와 사회적으로 가까운 사람들의 선호도가 추천결과에 반영될 수 있도록 설계된다.
사용자에게 최종적으로 제공되는 추천결과는 이상의 총 3개의 추천모듈이 생성하는 결과를 결합, 조정하는 ‘결합 에이전트(integrating agent)’에 의해 생성된다. 모형을 결합하는 방법에는 4가지 유형이 있는데, 본 연구의 경우 결합할 기법들의 특성을 고려할 때, Preprocessing 방식과 Joint solution 방식이 적용 가능하다. 이 중 어느 방식이 본 연구의 도메인인 ‘추천시스템’ 분야에 가장 적합한 지는 아직 기존 연구를 통해 밝혀진 바 없기 때문에, 본 연구에서는 실험을 통해 다양한 방법들을 모두 살펴보고, 이 중 가장 최적의 결합 방식을 찾아내 이를 결합 에이전트의 엔진에 반영하도록 한다.
한 번 추천의 결과를 제공하고 난 이후에는 별도의 조율이나 조정을 취하지 않는 전통적인 추천시스템 연구들과 달리, 본 연구의 제안 시스템에는 이렇게 제공된 추천결과에 대해 얼굴표정이라든지 몸짓, 소리 등과 같은 피추천자의 반응이 어떤지를 수집, 분석하여 그 결과에 따라 새롭게 추천결과를 조정하는 ‘적응 에이전트(adaptive agent)’도 함께 포함된다. 본 연구에서 제안하는 적응 에이전트를 구현하기 위해서는 (1) 추천결과를 제공받은 사용자의 반응을 추적하여 해당 사용자의 감정상태를 판단할 수 있는 감정반응판단모형과 (2) 판단이 이루어진 감정상태에 따라 적절하게 추천결과에 변화를 가져올 수 있는 적응형 추천엔진의 개발이 모두 이루어져야 한다.
이상의 과정들을 통해, 진정으로 고객이 필요로 하고, 만족하는 추천결과를 생성할 수 있도록 새로운 개념의 추천시스템을 제안하고자 한다.