메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이청용 (경희대학교) 이병현 (경희대학교) 이흠철 (경희대학교) 김재경 (경희대학교)
저널정보
한국지능정보시스템학회 지능정보연구 지능정보연구 제27권 제3호
발행연도
2021.9
수록면
29 - 56 (28page)

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2021

CNN 기반 리뷰 유용성 점수 예측을 통한 개인화 추천 서비스 성능 향상에 관한 연구
이청용 ,  이병현 ,  이흠철 외 1명 지능정보연구 2021.09 학술저널
CNN 기반 리뷰 유용성 점수 예측을 통한 개인화 추천 서비스 성능 향상에 관한 연구
이청용 ,  이병현 ,  이흠철 외 1명 한국지능정보시스템학회 학술대회논문집 2021.06 학술대회자료

초록· 키워드

오류제보하기
전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업 필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매 의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.
#개인화 추천 서비스 #리뷰 유용성 #협업 필터링 #딥러닝 #Personalized Recommendation Service #Review Helpfulness #CF #Deep Learning #CNN

목차

1. 서론
2. 이론적 배경
3. 제안 방법론
4. 실험
5. 결론
참고문헌(References)
Abstract

참고문헌 (84)

참고문헌 신청
Abdollahi, B., and O. Nasraoui, “Using explainability for constrained matrix factorization”, Proceedings of the Eleventh ACM Conference on Recommender Systems, (2017), 79~83. google schola Al-Bashiri, H., M. A. Abdulgabber, A. Romli, and H. Kahtan, “An improved memorybased collaborative filtering method based on the TOPSIS technique”, PloS one, Vol. 13, No.10(2018), e0204434. google schola Ar, Y., and E. Bostanci, “A genetic algorithm solution to the collaborative filtering problem”, Expert Systems with Applications, Vol.61 (2016), 122~128. google schola Baek, H., J. Ahn, and Y. Choi, “Helpfulness of online consumer reviews: Readers' objectives and review cues”, International Journal of Electronic Commerce, Vol.17, No.2(2012), 99~126. google schola Bang, H. B., H. W. Lee, and J. H. Lee, “TV Program Recommender System Using Viewing Time Patterns”, Journal of Korean Institute of Intelligent Systems, Vol.25, No.5(2015), 431~436. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

개인화 서비스 진전에 따른 자동추천 시스템 연구 동향과 방법론적 특성 연구
황용석 ,  김기태 사이버커뮤니케이션학보 2019 .06
유튜브 추천 알고리즘과 유튜브 지속적 이용의도의 관계 : 알고리즘의 투명성 원칙과 책무성 원칙에 대한 규제 태도의 매개효과를 중심으로
심홍진 ,  박준혁 한국언론학보 2024 .10
머신러닝 알고리즘을 결합한 협업필터링 개인화 추천시스템 응용연구
김재식 ,  김범수 경영과학 2024 .03
유튜브 추천 알고리즘과 저널리즘
오세욱 ,  송해엽 연구보고서 2019 .11
온라인 소비자정보 제공 개선 방안에 관한 연구 - ‘소비자24’ 고도화를 중심으로 -
이보한 ,  이금노 정책연구보고서 2022 .12

최근 본 자료

전체보기

댓글(0)

0