전자상거래 추천 모델 개발 플랫폼을 위한 오픈 아키텍쳐 및 Open API (An Open Architecture and Open API for e-Commerce Recommendation Model Development Platform)

서지정보

· 발행기관 : 한국지식정보기술학회
· 수록지 정보 : 한국지식정보기술학회 논문지 / 15권 / 6호 / 991 ~ 1000페이지
· 저자명 : 김철진, 정지현, 조천우, 변동훈

초록

전자상거래의 추천 서비스는 필수적인 기능으로서 상품 검색, 주문 처리, 장바구니 등의 기능과 연계하여 서비스되므로 매출 증대에 중요한 역할을 한다. 이러한 추천 서비스는 전자상거래를 개발하는 개발자들에게 고도의 기술력을 요구하므로 특정 인공지능 엔지니어에 의해 개발되거나 외부 추천 솔루션을 도입하여 적용한다. 외부 솔루션이나 외부 개발 업체에 의한 추천 서비스 통합은 개발하는 전자상거래 서비스의 요구사항을 만족할 수 없으며 잦은 데이터 변경에 따른 유지보수의 신속성을 제공할 수 없다. 이에 특정 도메인에 맞는 추천 서비스들을 일반화시켜서 제공하거나, 추천 서비스를 개발하기 위한 일반화된 개발 플랫폼의 연구가 활발하게 진행되고 있다. Amazon Personalize 서비스나 Microsoft Azure Machine Learning 서비스 등이 개발자에 의해 추천 서비스를 개발하기 위한 일반화된 도구이다. 그러나 이러한 추천 모델 개발 도구들은 추천 모델을 생성하기 위해 요구하는 학습 데이터에 대해 필수 데이터 정보를 정의해야 하는 작업 부하가 존재한다. 본 논문에서는 학습 데이터를 분석하기 위한 데이터들 간의 연관 분석 알고리즘을 이용하여 데이터에 대한 정의 없이 학습 알고리즘을 도출한다. 또한, 도출된 학습 알고리즘을 기반으로 추천 모델 개발과 검증을 위한 Open API를 제안한다. 실험에서는 공개된 전자상거래의 트랜잭션 데이터를 활용하여 학습 알고리즘 도출 및 Open API를 검증하며, 이를 통해 추천 모델 개발 플랫폼의 오픈 아키텍쳐에 대한 적합성을 파악한다.

영어초록

e-Commerce recommendation service is an essential function and plays an important role in increasing sales since it is provided in connection with functions such as product search, order processing, and shopping cart. This recommendation service requires a high level of technology from developers developing e-commerce, so it is developed by a specific artificial intelligence engineer or applied by introducing an external recommendation solution. Integration of recommended services by external solutions or external development companies cannot satisfy the requirements of e-commerce services to be developed, and cannot provide rapid maintenance due to frequent data changes. Accordingly, research on a generalized development platform for generalizing and providing recommendation services suitable for a specific domain or developing a recommendation service is being actively conducted. Amazon Personalize service and Microsoft Azure Machine Learning service are generalized tools for developing recommended services by developers. However, these recommendation model development tools have a workload of defining essential data information for training data required to generate a recommendation model. In this paper, we derive a learning algorithm without defining data by using an association analysis algorithm between data for analyzing learning data. Also, based on the derived learning algorithm, we propose an Open API for developing and verifying a recommendation model. In the experiment, the learning algorithm is derived and the open API is verified by using the open transaction data of the e-commerce transaction. Through this, the suitability of the open architecture of the recommendation model development platform is verified.

참고자료

· 없음