대형 쇼핑몰에서 K-means 알고리즘과 순차 패턴을 이용한 추천 시스템 (Recommendation System based on Sequential Pattern and K-means Algorithm for Big Shopping Mall)

서지정보

· 발행기관 : 차세대컨버전스정보서비스학회
· 수록지 정보 : 디지털예술공학멀티미디어논문지 / 1권 / 1호 / 59 ~ 74페이지
· 저자명 : 심장섭, 정순기

초록

본 연구에서 제안된 시스템은 매일 변화하는 고객의 관심도를 반영하기 위해, 매일 고객을 재그룹화 하고, 실시간 추천에 필요한 배치 작업을 수행한다. 고객군 그룹화 작업은 K-means 군집화 알고리즘을 사용하고, 각 고객 그룹별로 관심 상품의 시계열적인 변화를 순차패턴 알고리즘을 사용하여 추출해둔 후, 실시간으로 고객별 과거 관심 상품 내역과 배치 작업으로 추출한 순차 패턴을 비교하여 추천 상품을 결정한다. 이를 통해 대용량의 계층 구조를 가지면서 고객의 상품에 대한 관심 정보가 일단위로 연속해서 변화하는 stream data 환경에 대한 새로운 추천 프레임워크를 제시했으며, 대형 쇼핑몰의 실제 데이터를 활용하여 그 효용성을 보였다.

영어초록

The recent study trend in data-mining technique is progressing toward the formalization of user profile, association rule, sequential pattern filtering, similar time sequence discovery, and many other hybrid methodologies of various techniques. The data for modeling can use and extract a form logged file, but the user information that has been already available as to age and gender is not utilized. Due to the privacy issues and data reliability of information on the Internet, the system is designed to perform a predictive modeling of user database segmentation by user’s interest and preference of the given category information.
A user preference defines the user’s feature vector that is based on preferred category information, and user database Clustering is done with the conclusive result as the process. This paper requires construction of sequential database in order to extract the pattern of users. In other words, establishing the database by user segment. The methodology of test has been performed to carry out by the first half month of gathering test data and performed to the reliability for recommending from evaluation system used on the remaining second half of the month of that data. The recommendation engine through sequential pattern extracted technique of which suggested by the large capacity hierarchical structured data was able to confirm the accuracy of recommendation and a fast recommendation time of O(N) as well as learning time.

참고자료

· 없음