KR20130118597A - 아이템 추천 시스템 및 방법 - Google Patents

아이템 추천 시스템 및 방법 Download PDF

Info

Publication number
KR20130118597A
KR20130118597A KR1020120041590A KR20120041590A KR20130118597A KR 20130118597 A KR20130118597 A KR 20130118597A KR 1020120041590 A KR1020120041590 A KR 1020120041590A KR 20120041590 A KR20120041590 A KR 20120041590A KR 20130118597 A KR20130118597 A KR 20130118597A
Authority
KR
South Korea
Prior art keywords
item
evaluation
member set
recommendation
user
Prior art date
Application number
KR1020120041590A
Other languages
English (en)
Inventor
임민수
강미애
고일주
정명범
Original Assignee
(주)야긴스텍
숭실대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)야긴스텍, 숭실대학교산학협력단 filed Critical (주)야긴스텍
Priority to KR1020120041590A priority Critical patent/KR20130118597A/ko
Publication of KR20130118597A publication Critical patent/KR20130118597A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Computing Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

아이템 추천 시스템 및 방법이 개시된다. 본 발명의 일 측면에 따른 아이템 추천 시스템이 수행하는 아이템 추천 방법은 (a) 상기 아이템 추천 시스템을 이용하는 구성원 중 적어도 일부로 구성된 구성원 집합에 포함된 각 구성원의 평가 데이터를 이용하여, 상기 구성원 집합에 속하는 각 구성원 간의 유사도를 산출하는 단계; (b) 상기 구성원 집합에 속하는 추천자로부터 아이템에 대한 평가 값을 입력 받는 단계; (c) 상기 추천자와의 유사도를 이용하여 유사 구성원 집합을 구성하고, 상기 유사 구성원 집합에 포함된 구성원들의 상기 아이템에 대한 선호도를 평가하여 추천 구성원 집합을 구성하며, 상기 추천 구성원 집합에 포함된 각 구성원에게 상기 아이템을 추천하는 단계; 및 (d) 상기 (c) 단계를 수행한 회수가 미리 설정된 반복 회수가 될 때까지, 상기 (c) 단계에서 상기 아이템을 추천 받은 구성원으로 상기 유사 구성원 집합을 재구성하여 상기 (c) 단계를 재수행하는 단계를 포함할 수 있다.

Description

아이템 추천 시스템 및 방법{Item recommendation system and method}
본 발명은 아이템 추천 시스템 및 방법에 관한 것이다.
추천 시스템은, 개인화 기술의 하나로서, 사용자가 관심을 보일만한 콘텐츠 혹은 정보를 사용자에게 추천하는 것이다. 과거에는 단순히 사용자의 기호정보에 맞추어 추천하는 규칙 기반의 알고리즘이 성행하였으나, 정보기술이 발전하면서 인공지능 분야의 소프트 컴퓨팅 기법, 데이터베이스 분야의 데이터 마이닝 기법 등에 의해 사용자의 행동 패턴을 파악하기 시작하면서 사용자의 성향을 분석하고 이에 맞게 사용자가 선호할 것이라고 생각되는 정보 및 콘텐츠를 추천하는 등과 같이 추천 시스템은 점점 진화하고 있다.
최근 추천에 사용되는 방법으로는 현존하는 가장 뛰어난 추천 방법으로 알려진 협력 필터링(Collaborative Filtering) 기법이 있다. 이 협업 필터링 기법은 많은 사용자들로부터 얻은 기호정보(taste information)에 따라 사용자들의 관심사들을 자동적으로 예측하게 해주는 방법이다. 협력 필터링 기법의 근본적인 가정은 사용자들의 과거의 경향이 미래에서도 그대로 유지 될 것이라는 전제에 있다. 즉, 협력 필터링 기법은 사용자가 과거에 특정 스타일의 콘텐츠를 선호하였다면, 미래에도 그럴 것이라는 가정에 근거하여 추천을 수행하는 기법이다.
협력 필터링 기법은 특정 사용자의 정보에만 국한 된 것이 아니라 많은 사용자들로부터 수집한 정보를 사용하는 특징을 갖는다. 이러한 협력 필터링 기법은 단순히 투표를 한 수를 기반으로 각 아이템의 관심사에 대한 평균적인 평가로 처리하는 방법과 차별화 된다. 즉 협력 필터링 기법은 고객들의 선호도와 관심 표현을 바탕으로 선호도, 관심에서 비슷한 패턴을 가진 고객들을 식별해 낸다. 또한, 협력 필터링 기법은 비슷한 취향을 가진 고객들에게 아직 구매하지 않은 상품들을 교차 추천하거나 분류된 고객의 취향이나 생활 형태에 따라 관련 상품을 추천하는 형태의 서비스를 제공하기 위해 사용된다.
협업 필터링 기법은 사용자 기반의 협력 필터링(User-based collaborative filtering)과, 아마존닷컴에서 사용해 유명해진 아이템 기반의 협력 필터링(Item-based collaborative filtering)이 있다. 사용자간의 유사도를 측정하여 다른 사용자가 그 상품을 얼마나 선호할지 예측하는 것이 사용자 기반의 협력 필터링이며, 사용자들의 다양한 평가를 수집하여 아이템들 간의 유사도를 측정하고 그 상품을 얼마나 선호하는지를 예측하는 것이 아이템 기반 협력 필터링이다. 두 개의 협력 필터링 기법 모두 사용자 또는 아이템 간의 유사도 측정이 필요하다. 이때, 사용자 또는 아이템 간의 유사도 측정을 위한 유사도 측정 방법으로는 벡터 기반(Cosine-based) 또는 피어슨 상관 계수 기반(Correlation-based) 등의 유사도 측정 방법이 있다.
한국공개특허 제10-2011-0074167호
본 발명은 사용자의 아이템 평가를 기반으로 사용자와 유사도가 높은 다른 사용자에게 아이템을 추천하는 아이템 추천 시스템 및 방법을 제공한다.
본 발명의 일 측면에 따르면, 아이템 추천 시스템이 수행하는 아이템 추천 방법으로서, (a) 상기 아이템 추천 시스템을 이용하는 구성원 중 적어도 일부로 구성된 구성원 집합에 포함된 각 구성원의 평가 데이터를 이용하여, 상기 구성원 집합에 속하는 각 구성원 간의 유사도를 산출하는 단계; (b) 상기 구성원 집합에 속하는 추천자로부터 아이템에 대한 평가 값을 입력 받는 단계; (c) 상기 추천자와의 유사도를 이용하여 유사 구성원 집합을 구성하고, 상기 유사 구성원 집합에 포함된 구성원들의 상기 아이템에 대한 선호도를 평가하여 추천 구성원 집합을 구성하며, 상기 추천 구성원 집합에 포함된 각 구성원에게 상기 아이템을 추천하는 단계; 및 (d) 상기 (c) 단계를 수행한 회수가 미리 설정된 반복 회수가 될 때까지, 상기 (c) 단계에서 상기 아이템을 추천 받은 구성원으로 상기 유사 구성원 집합을 재구성하여 상기 (c) 단계를 재수행하는 단계를 포함하는 아이템 추천 방법이 제공된다.
본 발명의 다른 측면에 따르면, 아이템 추천 시스템으로서, 제어부; 상기 아이템 추천 시스템을 이용하는 구성원 중 적어도 일부로 구성된 구성원 집합에 포함된 각 구성원의 평가 데이터를 이용하여, 상기 구성원 집합에 속하는 각 구성원 간의 유사도를 산출하는 유사도 산출부; 상기 구성원 집합에 속하는 추천자로부터 아이템에 대한 평가 값을 입력 받는 통신부; 및 상기 제어부에 의해 구성된 유사 구성원 집합에서 각 구성원들의 상기 아이템에 대한 선호도를 평가하여 추천 구성원 집합을 구성하며, 상기 추천 구성원 집합에 포함된 각 구성원에게 상기 아이템을 추천하는 추천부를 포함하되, 상기 제어부는, 상기 구성원 집합에서 상기 추천자와의 유사도에 따라 상기 유사 구성원 집합을 구성하여 상기 추천부를 구동한 후, 상기 추천부의 구동 회수가 소정의 반복 회수가 될 때까지, 상기 추천부에 의해 상기 아이템을 추천 받은 구성원으로 상기 유사 구성원 집합을 재구성하여 상기 추천부를 재구동하는 아이템 추천 시스템이 제공된다.
본 발명의 실시예에 의하면, 아이템 추천 시스템을 이용하는 구성원의 아이템 평가에 따라 구성원과 유사도가 높은 다른 구성원들에게 평가한 아이템을 추천하여 구성원이 소유하거나 선호하는 아이템을 다른 구성원들에게 추천할 수 있다.
도 1은 본 발명의 일 실시예에 따른 아이템 추천 시스템을 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 아이템 추천 시스템에 구비된 추천부를 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 아이템 추천 시스템의 아이템 추천과정을 설명하기 위한 도면이다.
도 4 는 발명의 일 실시예에 따른 아이템 추천 방법을 나타내는 흐름도이다.
도 5는 본 발명의 일 실시 예에 따른 아이템 추천 방법의 유사도 산출 방법을 나타내는 흐름도이다.
도 6은 본 발명의 일 실시 예에 따른 아이템 추천 방법의 아이템 추천 단계를 나타내는 흐름도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예들을 중심으로 본 발명을 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 아이템 추천 시스템을 설명하기 위한 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 아이템 추천 시스템(10)은 통신부(100), 유사도 산출부(200), 추천부(300) 및 제어부(400)를 포함할 수 있다.
통신부(100)는 아이템 추천 시스템(10)을 이용하는 사용자(혹은 구성원)의 단말(20)과 데이터를 주고 받는다. 여기서, 통신부(100)는 구성원 집합에 포함된 각 구성원으로부터 임의의 아이템에 대한 평가 값을 입력 받을 수 있다. 이때, 구성원 집합은 아이템 추천 시스템(10)을 이용하는 구성원 중 적어도 일부로 구성될 수 있다. 또한, 통신부(100)는 아이템 추천 시스템(10)을 이용하는 사용자(혹은 구성원)의 단말(20)에게 추천 아이템에 대한 정보를 전송할 수 있다.
유사도 산출부(200)는 구성원 집합에 속하는 각 구성원 간의 유사도를 산출한다. 이때, 유사도 산출부(200)는 구성원 집합에 포함된 각 구성원이 입력한 평가 데이터를 이용하여 유사도를 산출할 수 있다.
여기서 유사도 산출부(200)는 복수의 아이템을 포함하는 평가 아이템 집합을 구성할 수 있다. 여기서 평가 아이템 집합은 구성원 집합에 포함된 구성원들 사이의 유사도를 산출하기 위해 설정된 복수의 아이템을 포함할 수 있다. 또한, 유사도 산출부(200)는 통신부(100)를 통해 구성원 집합에 포함된 각 구성원으로부터 평가 아이템 집합에 포함된 각각의 아이템에 대한 평가값을 입력받을 수 있다. 또한, 유사도 산출부(200)는 표 1과 같이 입력받은 평가값을 이용하여 평가 데이터를 생성할 수 있다. 또한, 유사도 산출부(200)는 생성한 평가 데이터를 저장부(500)에 저장할 수 있다.
사용자 Item 1 Item 2 ... ... Item K
User 1 5 4 ... ... 4
User 2 2 5 ... ... 5
... ... ... ... ... ...
User N 5 1 ... ... 3
평가 데이터는 표 1과 같이 크기가 N(여기서 N은 자연수)인 구성원 집합에 포함된 각 구성원으로부터 크기가 K(여기서 K는 자연수)인 평가 아이템 집합에 포함된 각각의 아이템에 대한 평가값을 포함할 수 있다.
또한, 유사도 산출부(200)는 평가 데이터를 이용하여 구성원 집합에 속하는 각 구성원 간의 유사도를 산출할 수 있다. 이때, 유사도 산출부(200)는 아래의 수학식 1을 이용하여 구성원 집합에 속하는 각 구성원 간의 유사도를 산출할 수 있다.
Figure pat00001
수학식 1에서 sim(i, j)는 구성원 집합에 속하는 사용자 i와 사용자 j 간의 유사도, U는 평가 아이템 집합, Ru,i와 Ru,j 각각은 사용자 i와 사용자 j가 평가 아이템 u을 평가한 값, Ri와 Rj각각은 사용자 i와 사용자 j가 기존에 평가한 적이 있는 아이템들의 평가 값의 평균을 의미한다.
여기서 유사도 산출부(200)는 산출한 유사도를 이용하여 표 2와 같은 유사도 데이터를 생성할 수 있다. 그리고 유사도 산출부(200)는 생성한 유사도 데이터를 저장부(500)에 저장할 수 있다.
사용자 유사도 높은 사용자1 유사도 높은 사용자2 ... 유사도 높은 사용자10 사용자1과의 유사도 점수 사용자2와의 유사도 점수 ... 사용자10과의 유사도 점수
User 1 User2 User
30		 ... User
73		 97 96 ... 86
User 2 User
1		 User
35		 ... User
70		 97 95 ... 88
... ... ... ... ... ... ... ... ...
User N User
7		 User
3		 ... User
55		 95 94 ... 85
여기서 유사도 데이터는 표 2와 같이 크기가 N인 구성원 집합에 포함된 각 구성원으로부터 유사도가 높은 구성원의 순위와 유사도 점수를 포함할 수 있다. 이러한 유사도 데이터는 새로운 사용자가 구성원 집합의 구성원이 될 경우 갱신될 수 있다.추천부(300)는 아이템 추천 시스템(10)을 이용하는 사용자에게 아이템을 추천한다. 특히, 추천부(300)는 구성원 집합에 속하는 추천자와의 유사도에 따라 구성된 유사 구성원 집합에서 각 구성원의 아이템에 대한 선호도를 평가하여 추천 구성원 집합을 구성한 후 추천 구성원 집합에 포함된 각 구성원에게 아이템을 추천할 수 있다. 여기
여기서 유사 구성원 집합은 제어부(400)에 의해 구성될 수 있다. 이때, 유사 구성원 집합은 구성원 집합에 포함된 구성원들 중 추천자와의 유사도를 기준으로 선정된 일부 구성원으로 구성될 수 있다.
추천부(300)는 유사 구성원 집합에 포함된 구성원 각각에 대하여 아이템에 대한 평가 예측값을 산출할 수 있다. 또한, 추천부(300)는 산출된 평가 예측값을 기초로 유사 구성원 집합에 포함된 구성원들 중 적어도 일부로 추천 구성원 집합을 구성할 수 있다.
이를 위해 추천부(300)는 평가 예측값 산출부(320), 추천 구성원 집합 구성부(330) 및 아이템 추천부(340)를 포함할 수 있다. 본 발명의 일 실시 예에 따른 추천부(300)의 각 구성 요소에 대하여는 도 2를 참조하여 상세히 설명하기로 한다.
도 2는 본 발명의 일 실시예에 따른 아이템 추천 시스템의 추천부를 나타내는 블록도이다.
평가 예측값 산출부(320)는 아이템에 대한 평가 예측값을 산출한다. 특히, 평가 예측값 산출부(320)는 추천자의 유사 구성원 집합에 포함된 구성원 각각에 대하여 아이템에 대한 평가 예측값을 산출할 수 있다.
여기서 평가 예측값 산출부(320)는 아래의 수학식 2를 이용하여 아이템에 대한 평가 예측값을 산출할 수 있다.
Figure pat00002
수학식 2에서 Pu,x는 구성원 집합에 속하는 사용자 u의 아이템 x에 대한 평가 예측 값, Raters는 아이템 x에 대한 선호도를 평가한 사용자 집합, sim(u, j)는 사용자 u와 사용자 j 간의 유사도, Rx,j는 사용자 j가 아이템 x에 평가한 값, Ru와 Rj각각은 사용자 u와 사용자 j가 기존에 평가한 적이 있는 아이템들의 평가 값의 평균을 의미한다.
여기서 Raters는 구성원 집합에서 아이템 x에 대한 선호도를 평가한 사용자들의 집합을 의미할 수 있다. 이때, j는 아이템 x에 대한 평가를 내린 사용자를 의미할 수 있다.
또한, Pu,x는 사용자 u 가 아이템 x에 대하여 평가를 내릴 예측값을 의미할 수 있다. 이때, 예측값 산출부(320)는 사용자 u의 평가를 예측하기 위해서 다른 사용자들과 사용자 u의 유사도를 알아야 아이템 x에 대한 평가를 예측할 수 있다. 따라서, 수학식 2에 따라 평가 예측값 산출부(320)는 사용자 u와 유사한 사람들이 평가한 값(Rx,j)을 기반으로 아이템 x에 대해 사용자 u가 평가할 값을 예측할 수 있다.
이러한 평가 예측값 산출부(320)는 산출한 평가 예측값을 이용하여 평가 예측값 데이터를 생성할 수 있다. 그리고 평가 예측값 산출부(320)는 평가 예측값 데이터를 저장부(500)에 저장할 수 있다.
추천 구성원 집합 구성부(330)는 추천 구성원 집합을 구성한다. 특히, 추천 구성원 집합 구성부(330)는 추출된 평가 예측값을 기초로 유사 구성원 집합에 포함된 구성원들 중 적어도 일부로 추천 구성원 집합을 구성할 수 있다. 여기서, 추천 구성원 집합 구성부(330)는 크기가 M(여기서 M은 자연수)인 유사 구성원 집합에 포함된 구성원들 중 평가 예측값이 높은 K명(K≤M, 여기서 K는 자연수)의 구성원을 추천 구성원 집합으로 구성할 수 있다. 이때, 추천 구성원 집합 구성부(330)는 유사 구성원 집합에서 아이템의 평가를 수행한 적이 없거나 아이템을 추천받은 적이 없는 구성원으로 추천 구성원 집합을 구성할 수 있다.
아이템 추천부(340)는 추천 구성원 집합에 포함된 구성원들에게 아이템을 추천한다. 특히, 아이템 추천부(340)는 통신부(100)를 통해 추천 구성원 집합에 포함된 각 구성원에게 아이템 추천 정보를 제공할 수 있다. 이때, 아이템 추천 정보는 추천하는 아이템의 상세한 정보를 포함할 수 있다. 예를 들면, 아이템 추천 정보는 아이템이 책일 경우 책 제목, 저자, 가격, 출판사, 출판날짜 또는 책의 상세 정보가 있는 주소 등을 포함할 수 있다.
또한, 아이템 추천부(340)는 아이템을 추천한 추천 구성원 집합의 구성원들로부터 아이템에 대한 평가값을 입력받는다. 특히, 아이템 추천부(340) 아이템 추천 정보를 제공한 추천 구성원 집합의 구성원으로부터 아이템에 대한 평가값을 입력받을 수 있다. 이러한 아이템 추천부(340)는 APNS 방법으로 아이템을 능동적으로 추천할 수 있다.
다시 도 1을 참조하면, 제어부(400)는 추천부(300)를 구동한다. 특히, 제어부(400)는 구성원 집합에 속하는 추천자로 유사 구성원 집합을 구성하여 추천부(300)를 구동할 수 있다. 이때, 제어부(400)는 유사도 산출부(200)에 의해 산출된 유사도를 이용하여 유사 구서원 집합을 구성할 수 있다.
예를 들면, 제어부(400)는 저장부(500)에 저장된 평가 데이터로부터 구성원 집합에 속하는 추천자와 다른 구성원 간의 유사도를 검출할 수 있다. 그리고 제어부(400)는 크기가 N(여기서 N은 자연수)인 구성원 집합에서 추천자와의 유사도가 높은 L명(L≤N, 여기서 L은 자연수)의 구성원을 추출하여 유사 구성원 집합을 구성할 수 있다.
그리고 제어부(400)는 추천부(300)에 의해 아이템을 추천받은 구성원으로 유사 구성원 집합을 재구성하여 추천부(300)를 재구동할 수 있다. 여기서 제어부(400)는 추천 구성원 집합에서 아이템을 추천받아 아이템에 대한 평가를 수행한 구성원을 추천자로 설정하여 유사 구성원 집합을 재구성할 수 있다. 이때, 제어부(400)는 도 3과 같이 추천부(300)의 구동 회수가 미리 설정된 회수가 될 때까지 반복하여 추천부(300)를 재구동할 수 있다.
도 3은 본 발명의 일 실시예에 따른 아이템 추천 시스템의 아이템 추천과정을 설명하기 위한 도면이다.
다시 도 1을 참조하면, 저장부(500)는 평가 데이터를 저장한다. 특히, 저장부(500)는 유사도 산출부(200)에서 생성된 평가 데이터를 저장할 수 있다. 또한, 저장부(500)는 구성원 집합의 구성원 간의 유사도를 이용하여 생성한 유사도 데이터를 저장할 수 있다. 또한, 저장부(500)는 평가 예측값 산출부(320)에서 생성된 평가 예측값 데이터를 저장할 수 있다.
따라서, 본 발명의 일 실시예에 따른 아이템 추천 시스템은 아이템 추천 시스템을 이용하는 구성원의 아이템 평가에 따라 구성원과 유사도가 높은 다른 구성원들에게 평가한 아이템을 추천하여 구성원이 소유하거나 선호하는 아이템을 다른 구성원들에게 추천할 수 있다.
도 4 는 발명의 일 실시예에 따른 아이템 추천 방법을 나타내는 흐름도이다. 여기서는 도 2를 더 참조하여 본 발명의 일 실시예에 따른 아이템 추천 방법을 설명한다. 본 발명의 일 실시예에 따른 아이템 추천 방법이 수행되면서 산출되는 유사도 및 평가 예측값에 대해서는 상술하였으므로 여기서는 상세한 설명을 생략한다.
먼저 S110 단계에서는, 아이템 추천 시스템을 이용하는 구성원들 중 적어도 일부로 구성된 구성원 집합에 포함된 각 구성원이 아이템 추천 시스템에 평가 데이터를 입력하고, 입력된 평가 데이터를 이용하여 구성원 집합에 속하는 각 구성원 간의 유사도를 산출할 수 있다.
여기서는 도 5를 더 참조하여 단계 S110을 상세하게 설명한다.
도 5는 본 발명의 일 실시 예에 따른 아이템 추천 방법의 유사도 산출 방법을 나타내는 흐름도이다.
도 5를 참조하면, S210 단계에서 아이템 추천 시스템은 복수의 아이템을 포함하는 테스트 아이템 집합을 구성할 수 있다.
다음, 단계 S220 단계에서 아이템 추천 시스템은 구성원 집합에 포함된 각 구성원으로부터 테스트 아이템 집합에 포함된 각각의 아이템에 대한 평가값을 입력 받아 평가 데이터를 생성할 수 있다.
다음, 단계 S230 단계에서 아이템 추천 시스템은 평가 데이터를 이용하여 구성원 집합에 속하는 각 구성원 간의 유사도를 산출할 수 있다. 여기서 아이템 추천 시스템은 상술한 수학식 1을 이용하여 유사도를 산출할 수 있다.
다시 도 4를 참조하면, S120단계에서 아이템 추천 시스템은, 구성원 집합에 속하는 추천자로부터 아이템 x에 대한 평가값을 입력받을 수 있다.
다음, S130단계에서 아이템 추천 시스템은, 추천자와의 유사도를 이용하여 유사 구성원 집합을 구성하고, 유사 구성원 집합에 포함된 구성원들의 아이템에 대한 선호도를 평가하여 추천 구성원 집합을 구성하며, 상기 추천 구성원 집합에 포함된 각 구성원에게 상기 아이템을 추천할 수 있다.
여기서는 도 6을 더 참조하여 단계 S130을 상세하게 설명한다.
도 6은 본 발명의 일 실시 예에 따른 아이템 추천 방법의 아이템 추천 단계를 나타내는 흐름도이다.
도 6을 참조하면, S310단계에서 아이템 추천 시스템은, 추천자와의 유사도를 이용하여 구성원 집합에 속하는 구성원들 중 적어도 일부로 유사 구성원 집합을 구성할 수 있다. 이때, 아이템 추천 시스템은 구성원 집합에서 아이템을 소유하지 않은 구성원으로 유사 구성원 집합을 구성할 수 있다.
다음, S320단계에서 아이템 추천 시스템은, 유사 구성원 집합에 포함된 구성원 각각에 대하여 아이템 x에 대한 평가 예측값을 산출할 수 있다. 여기서 아이템 추천 시스템은 상술한 수학식 2를 이용하여 평가 예측값을 산출할 수 있다.
다음, S330단계에서 아이템 추천 시스템은, 산출된 평가 예측값을 이용하여 유사 구성원 집합에 포함된 구성원들 중 적어도 일부로 추천 구성원 집합을 구성할 수 있다.
다음, S340 단계에서 아이템 추천 시스템은, 추천 구성원 집합에 포함된 각 구성원에게 아이템을 추천한다.
다음, S350 단계에서 아이템 추천 시스템은, 아이템을 추천한 추천 구성원 집합의 구성원에게 아이템에 대한 평가를 입력받을 수 있다.
다시 도 4를 참조하면, S140단계에서 아이템 추천 시스템은, S130 단계를 수행한 회수를 미리 설정된 반복 회수와 비교할 수 있다. 만약, S130 단계를 수행한 회수가 미리 설정된 반복 회수에 도달하지 않으면 도달하면 아이템 추천 시스템은 아이템을 추천받은 구성원으로 유사 구성원 집합을 재구성하여 단계 S130을 재수행할 수 있다. 이때, 아이템 추천 시스템은 아이템을 추천받은 추천 구성원 집합의 구성원들 중 아이템에 대한 평가를 수행한 구성원을 추천자로 설정하여 유사 구성원 집합을 재구성할 수 있다.
만약, S130 단계를 수행한 회수가 미리 설정된 반복 회수에 도달하면 아이템 추천 시스템은 아이템의 추천을 종료할 수 있다.
따라서, 본 발명의 일 실시예에 따른 아이템 추천 방법은 아이템 추천 시스템을 이용하는 구성원의 아이템 평가에 따라 구성원과 유사도가 높은 다른 구성원들에게 평가한 아이템을 추천하여 구성원이 소유하거나 선호하는 아이템을 다른 구성원들에게 추천할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다.
그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타나며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
10: 아이템 추천 시스템
100: 통신부
200: 유사도 산출부
300: 추천부
400: 제어부

Claims (15)

  1. 아이템 추천 시스템이 수행하는 아이템 추천 방법으로서,
    (a) 상기 아이템 추천 시스템을 이용하는 구성원 중 적어도 일부로 구성된 구성원 집합에 포함된 각 구성원의 평가 데이터를 이용하여, 상기 구성원 집합에 속하는 각 구성원 간의 유사도를 산출하는 단계;
    (b) 상기 구성원 집합에 속하는 추천자로부터 아이템에 대한 평가 값을 입력 받는 단계;
    (c) 상기 추천자와의 유사도를 이용하여 유사 구성원 집합을 구성하고, 상기 유사 구성원 집합에 포함된 구성원들의 상기 아이템에 대한 선호도를 평가하여 추천 구성원 집합을 구성하며, 상기 추천 구성원 집합에 포함된 각 구성원에게 상기 아이템을 추천하는 단계; 및
    (d) 상기 (c) 단계를 수행한 회수가 미리 설정된 반복 회수가 될 때까지, 상기 (c) 단계에서 상기 아이템을 추천 받은 구성원으로 상기 유사 구성원 집합을 재구성하여 상기 (c) 단계를 재수행하는 단계를 포함하는 아이템 추천 방법.
  2. 제1항에 있어서,
    상기 (c) 단계는,
    상기 추천자와의 유사도를 이용하여 상기 구성원 집합에 속하는 구성원들 중 적어도 일부로 상기 유사 구성원 집합으로 구성하는 단계,
    상기 유사 구성원 집합에 포함된 구성원 각각에 대하여 상기 아이템에 대한 평가 예측 값을 산출하는 단계,
    산출된 상기 평가 예측 값을 이용하여 상기 유사 구성원 집합에 포함된 구성원들 중 적어도 일부로 상기 추천 구성원 집합으로 구성하는 단계, 및
    상기 추천 구성원 집합에 포함된 각 구성원에게 상기 아이템을 추천하는 단계
    를 포함하는 아이템 추천 방법.
  3. 제2항에 있어서,
    상기 (c) 단계는,
    상기 아이템을 추천한 상기 추천 구성원 집합의 구성원에게 상기 아이템에 대한 평가를 입력받는 단계를 더 포함하는 아이템 추천 방법.
  4. 제2항에 있어서,
    상기 평가 예측 값은,
    Figure pat00003

    (여기서, Pu,x는 상기 구성원 집합에 속하는 사용자 u의 아이템 x에 대한 평가 예측 값, Raters는 상기 아이템 x에 대한 선호도를 평가한 사용자 집합, sim(u, j)는 사용자 u와 사용자 j 간의 유사도, Rx,j는 사용자 j가 아이템 x에 평가한 값, Ru와 Rj는 각각 사용자 u와 사용자 j가 기존에 평가한 적이 있는 아이템들의 평가 값의 평균임)
    에 의해 산출되는 아이템 추천 방법.
  5. 제1항에 있어서,
    상기 (a) 단계는,
    복수의 아이템을 포함하는 테스트 아이템 집합을 구성하는 단계;
    상기 구성원 집합에 포함된 각 구성원으로부터 상기 테스트 아이템 집합에 포함된 각각의 아이템에 대한 평가 값을 입력 받아 상기 평가 데이터를 생성하는 단계; 및
    상기 평가 데이터를 이용하여, 상기 구성원 집합에 속하는 각 구성원 간의 유사도를 산출하는 단계를 포함하되,
    상기 유사도는,
    Figure pat00004

    (여기서, sim(i, j)는 상기 구성원 집합에 속하는 사용자 i와 사용자 j 간의 유사도, U는 상기 평가 아이템 집합, Ru,i와 Ru,j는 각각 사용자 i와 사용자 j가 평가 아이템 u을 평가한 값, Ri와 Rj는 각각 사용자 i와 사용자 j가 기존에 평가한 적이 있는 아이템들의 평가 값의 평균임)
    에 의해 산출되는 아이템 추천 방법.
  6. 제1항에 있어서,
    상기 추천 구성원 집합은,
    상기 유사 구성원 집합에서 상기 아이템의 평가를 수행한 적이 없거나 상기 아이템을 추천 받은 적이 없는 구성원으로 구성되거나 재구성되는 아이템 추천 방법.
  7. 제1항에 있어서,
    상기 (d) 단계에서는
    상기 추천 구성원 집합에서 상기 아이템을 추천받아 상기 아이템에 대한 평가를 수행한 구성원을 상기 추천자로 설정하여 상기 유사 구성원 집합을 재구성하는 아이템 추천 방법.
  8. 제1항에 있어서,
    상기 유사 구성원 집합은 상기 구성원 집합에서 상기 아이템을 소유하지 않은 구성원으로 구성되는 아이템 추천 방법.
  9. 아이템 추천 시스템으로서,
    제어부;
    상기 아이템 추천 시스템을 이용하는 구성원 중 적어도 일부로 구성된 구성원 집합에 포함된 각 구성원의 평가 데이터를 이용하여, 상기 구성원 집합에 속하는 각 구성원 간의 유사도를 산출하는 유사도 산출부;
    상기 구성원 집합에 속하는 추천자로부터 아이템에 대한 평가 값을 입력 받는 통신부; 및
    상기 제어부에 의해 구성된 유사 구성원 집합에서 각 구성원들의 상기 아이템에 대한 선호도를 평가하여 추천 구성원 집합을 구성하며, 상기 추천 구성원 집합에 포함된 각 구성원에게 상기 아이템을 추천하는 추천부를 포함하되,
    상기 제어부는,
    상기 구성원 집합에서 상기 추천자와의 유사도에 따라 상기 유사 구성원 집합을 구성하여 상기 추천부를 구동한 후,
    상기 추천부의 구동 회수가 소정의 반복 회수가 될 때까지, 상기 추천부에 의해 상기 아이템을 추천 받은 구성원으로 상기 유사 구성원 집합을 재구성하여 상기 추천부를 재구동하는 아이템 추천 시스템.
  10. 제9항에 있어서,
    상기 추천부는,
    상기 유사 구성원 집합에 포함된 구성원 각각에 대하여 상기 아이템에 대한 평가 예측 값을 산출하는 평가 예측 값 산출부;
    추출된 상기 평가 예측 값을 기초로 상기 유사 구성원 집합에 포함된 구성원들 중 적어도 일부로 상기 추천 구성원 집합을 구성하는 추천 구성원 집합 구성부; 및
    상기 통신부를 통해, 상기 추천 구성원 집합에 포함된 각 구성원에게 상기 아이템을 추천하고 상기 아이템에 대한 평가 값을 입력 받는 아이템 추천부를 포함하는 아이템 추천 시스템.
  11. 제10항에 있어서,
    상기 평가 예측 값 산출부는, 상기 평가 예측 값을,
    Figure pat00005

    (여기서, Pu,x는 상기 구성원 집합에 속하는 사용자 u의 아이템 x에 대한 평가 예측 값, Raters는 상기 아이템 x에 대한 선호도를 평가한 사용자 집합, sim(u, j)는 사용자 u와 사용자 j 간의 유사도, Rx,j는 사용자 j가 아이템 x에 평가한 값, Ru와 Rj는 각각 사용자 u와 사용자 j가 기존에 평가한 적이 있는 아이템들의 평가 값의 평균임)
    에 의해 산출하는 아이템 추천 시스템.
  12. 제9항에 있어서,
    상기 유사도 산출부는,
    복수의 아이템을 포함하는 평가 아이템 집합을 구성하고,
    상기 구성원 집합에 포함된 각 구성원으로부터 상기 평가 아이템 집합에 포함된 각각의 아이템에 대한 평가 값을 입력 받아 상기 평가 데이터를 생성하고,
    상기 평가 데이터를 이용하여, 상기 구성원 집합에 속하는 각 구성원 간의 유사도를 산출하되,
    상기 유사도는,
    Figure pat00006

    (여기서, sim(i, j)는 상기 구성원 집합에 속하는 사용자 i와 사용자 j 간의 유사도, U는 상기 평가 아이템 집합, Ru,i와 Ru,j는 각각 사용자 i와 사용자 j가 평가 아이템 u을 평가한 값, Ri와 Rj는 각각 사용자 i와 사용자 j가 기존에 평가한 적이 있는 아이템들의 평가 값의 평균임)
    에 의해 산출되는 아이템 추천 시스템.
  13. 제9항에 있어서,
    상기 제어부는,
    상기 유사 구성원 집합에서 상기 아이템의 평가를 수행한 적이 없거나 상기 아이템을 추천 받은 적이 없는 구성원으로 상기 추천 구성원 집합을 구성하거나 재구성하는 아이템 추천 시스템.
  14. 제9항에 있어서,
    상기 제어부는,
    상기 추천 구성원 집합에서 상기 아이템을 추천받아 상기 아이템에 대한 평가를 수행한 구성원을 상기 추천자로 설정하여 상기 유사 구성원 집합을 재구성하는 아이템 추천 시스템.
  15. 제9항에 있어서,
    상기 제어부는,
    상기 구성원 집합에서 상기 아이템을 소유하지 않은 구성원으로 상기 유사 구성원 집합을 구성하는 아이템 추천 시스템.
KR1020120041590A 2012-04-20 2012-04-20 아이템 추천 시스템 및 방법 KR20130118597A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120041590A KR20130118597A (ko) 2012-04-20 2012-04-20 아이템 추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120041590A KR20130118597A (ko) 2012-04-20 2012-04-20 아이템 추천 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20130118597A true KR20130118597A (ko) 2013-10-30

Family

ID=49636846

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120041590A KR20130118597A (ko) 2012-04-20 2012-04-20 아이템 추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20130118597A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150097852A (ko) * 2014-02-17 2015-08-27 주식회사 씨온 위치기반 sns를 이용한 서비스제공업체 추천 방법
KR101877161B1 (ko) * 2017-01-09 2018-07-10 포항공과대학교 산학협력단 문서 문맥정보를 고려하는 상황기반 추천 방법 및 장치
KR101877282B1 (ko) * 2017-02-14 2018-07-11 주식회사 아이디어랩스 개인화 회귀 분석을 이용하여 품목의 이용자가 상기 품목에 부여하는 선호도를 예측하기 위하여 정보를 정화하는 방법 및 이를 이용한 컴퓨팅 장치
CN111612366A (zh) * 2020-05-27 2020-09-01 中国联合网络通信集团有限公司 渠道质量评估方法、装置、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150097852A (ko) * 2014-02-17 2015-08-27 주식회사 씨온 위치기반 sns를 이용한 서비스제공업체 추천 방법
KR101877161B1 (ko) * 2017-01-09 2018-07-10 포항공과대학교 산학협력단 문서 문맥정보를 고려하는 상황기반 추천 방법 및 장치
KR101877282B1 (ko) * 2017-02-14 2018-07-11 주식회사 아이디어랩스 개인화 회귀 분석을 이용하여 품목의 이용자가 상기 품목에 부여하는 선호도를 예측하기 위하여 정보를 정화하는 방법 및 이를 이용한 컴퓨팅 장치
CN111612366A (zh) * 2020-05-27 2020-09-01 中国联合网络通信集团有限公司 渠道质量评估方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Sohail et al. Feature extraction and analysis of online reviews for the recommendation of books using opinion mining technique
KR101167139B1 (ko) 조사 시행 시스템 및 방법
CN108763314A (zh) 一种兴趣推荐方法、装置、服务器及存储介质
US11042810B2 (en) Similarity learning-based device attribution
US20140025654A1 (en) System for Generating Digital Event Material and Event-Based Updating of User Profiles to Create New Communities
US20180144390A1 (en) System and method for quantifying the experience of cannabis usage
JP2011192302A (ja) 調査候補者のリアルタイム選択
Li et al. Recommending social network applications via social filtering mechanisms
KR101094704B1 (ko) 소셜 네트워크 기반 패션 콘텐츠 서비스 시스템
Nkwo et al. E-Commerce Personalization in Africa: A Comparative Analysis of Jumia and Konga.
CN103678518A (zh) 一种推荐列表调整方法和装置
Li et al. Online social networking sites continuance intention: A model comparison approach
US20180285986A1 (en) An Activity-Centric System And Method For Relationship Matching
Negahban et al. Managing production level in new product diffusion: an agent-based simulation approach
JP2002334257A (ja) レコメンドエンジン、レコメンド方法、レコメンドプログラム
KR20130118597A (ko) 아이템 추천 시스템 및 방법
CN107346333B (zh) 一种基于链路预测的在线社交网络好友推荐方法与系统
US20070266048A1 (en) System and Method for Determining Affinity Profiles for Research, Marketing, and Recommendation Systems
Hoang Yen et al. The formation of attitudes and intention towards green purchase: An analysis of internal and external mechanisms
CN111461827A (zh) 产品评价信息的推送方法和装置
CN112801803B (zh) 一种理财产品推荐方法和装置
KR20220045567A (ko) 평가정보관리컴퓨터 및 평가정보제공방법
Ren et al. Online choice decision support for consumers: Data-driven analytic hierarchy process based on reviews and feedback
US11004091B2 (en) Method and apparatus for configuring network between users in communication system
US20170147721A1 (en) Generating a model based on input

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application