| 1 |
1
제품 추천 시스템에 의하여 수행되는 제품 추천 방법에 있어서, 데이터의 속성에 기초하여 사용자의 구매 내역 정보를 판단하는 단계;상기 판단된 사용자의 구매 내역 정보에 따라 연관규칙을 생성하는 단계; 및 상기 연관규칙에 기반하여 획득된 결과를 통하여 상기 사용자에게 새로운 제품을 추천하는 단계 를 포함하고,상기 판단된 사용자의 구매 내역 정보에 따라 연관규칙을 생성하는 단계는,FP Growth 알고리즘을 사용하여 상기 사용자의 구매 내역 정보를 스캔함에 따라 패턴을 추출하고, 상기 사용자의 구매 내역 정보를 복수 번 스캔함에 따라 패턴을 탐색하고, 상기 사용자의 구매 내역 정보를 스캔함에 따라 트랜잭션이 포함하고 있는 아이템마다 서포트 값을 계산하고, 상기 계산된 서포트 값을 토대로 서프트 값이 최소 임계치(minsup) 이상인 아이템을 추출하고, 상기 트랜잭션에서 이상의 아이템들로 트리(Global FP Tree)를 구축하고, 상기 구축된 트리에서 분할 정복 기법을 사용하여 또 다른 아이템을 선택하여 적어도 하나 이상의 서브 트리(Conditional FP Tree)를 생성하고, 상기 서포트 값이 최소 임계치 이상인 아이템을 기 설정된 기준으로 정렬하여 테이블에 보관하고,상기 사용자의 구매 내역 정보를 재스캔함에 따라 트랜잭션에 포함된 아이템 중 테이블에 보관되어 있는 아이템을 추출하고, 상기 추출된 아이템을 재정렬하여 트리에 삽입하고, 상기 추출된 아이템을 트랜잭션에 root부터 삽입하고, 상기 삽입을 하는 도중에 동일한 아이템이 추출될 경우 노드를 합치고, 노드에 저장하는 서프트 값을 증가시키는 과정을 완료함에 따라 트리 또는 서브 트리를 구축하고, 상기 트리 또는 상기 서브 트리를 계속적으로 생성하고, 서포트 값을 추출함에 따라 최소 임계치 이상의 패턴들을 추출하고, 1)상기 트리 또는 상기 서브 트리를 기준으로 상기 트리 또는 상기 서브 트리의 이전 트리에서 새로운 트리 또는 새로운 서브 트리의 생성이 불가능한 상태일 때 또는 2)상기 선택된 아이템을 포함한 패턴의 서포트 값이 최소 임계값 이하일 때 상기 트리 또는 상기 서브 트리의 생성을 중지하는 단계를 포함하고,상기 분할 정복 기법은, 상기 테이블에서 바텀업 방식으로 상기 아이템을 prefix로 하고, 상기 아이템을 포함하는 트랜잭션의 다른 아이템들의 서포트 값을 계산하고, 상기 계산된 서포트 값이 상기 최소 임계치보다 크거나 같을 경우, 서브 트리가 생성되는 제품 추천 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서, 상기 데이터의 속성에 기초하여 사용자의 구매 내역 정보를 판단하는 단계는,상기 데이터를 바이너리 코드로 변환하는 전처리 과정을 수행하고, 상기 전처리 과정이 수행됨에 따라 바이너리 코드로 변환된 데이터의 속성에 기초하여 사용자의 구매 내역 정보를 확인하는 단계를 포함하는 제품 추천 방법
|
| 7 |
7
제품 추천 시스템에 의하여 수행되는 제품 추천 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램에 있어서, 데이터의 속성에 기초하여 사용자의 구매 내역 정보를 판단하는 단계;상기 판단된 사용자의 구매 내역 정보에 따라 연관규칙을 생성하는 단계; 및 상기 연관규칙에 기반하여 획득된 결과를 통하여 상기 사용자에게 새로운 제품을 추천하는 단계 를 포함하고,상기 판단된 사용자의 구매 내역 정보에 따라 연관규칙을 생성하는 단계는,FP Growth 알고리즘을 사용하여 상기 사용자의 구매 내역 정보를 스캔함에 따라 패턴을 추출하고, 상기 사용자의 구매 내역 정보를 복수 번 스캔함에 따라 패턴을 탐색하고, 상기 사용자의 구매 내역 정보를 스캔함에 따라 트랜잭션이 포함하고 있는 아이템마다 서포트 값을 계산하고, 상기 계산된 서포트 값을 토대로 서프트 값이 최소 임계치(minsup) 이상인 아이템을 추출하고, 상기 트랜잭션에서 이상의 아이템들로 트리(Global FP Tree)를 구축하고, 상기 구축된 트리에서 분할 정복 기법을 사용하여 또 다른 아이템을 선택하여 적어도 하나 이상의 서브 트리(Conditional FP Tree)를 생성하고, 상기 서포트 값이 최소 임계치 이상인 아이템을 기 설정된 기준으로 정렬하여 테이블에 보관하고,상기 사용자의 구매 내역 정보를 재스캔함에 따라 트랜잭션에 포함된 아이템 중 테이블에 보관되어 있는 아이템을 추출하고, 상기 추출된 아이템을 재정렬하여 트리에 삽입하고, 상기 추출된 아이템을 트랜잭션에 root부터 삽입하고, 상기 삽입을 하는 도중에 동일한 아이템이 추출될 경우 노드를 합치고, 노드에 저장하는 서프트 값을 증가시키는 과정을 완료함에 따라 트리 또는 서브 트리를 구축하고, 상기 트리 또는 상기 서브 트리를 계속적으로 생성하고, 서포트 값을 추출함에 따라 최소 임계치 이상의 패턴들을 추출하고, 1)상기 트리 또는 상기 서브 트리를 기준으로 상기 트리 또는 상기 서브 트리의 이전 트리에서 새로운 트리 또는 새로운 서브 트리의 생성이 불가능한 상태일 때 또는 2)상기 선택된 아이템을 포함한 패턴의 서포트 값이 최소 임계값 이하일 때 상기 트리 또는 상기 서브 트리의 생성을 중지하는 단계를 포함하고,상기 분할 정복 기법은, 상기 테이블에서 바텀업 방식으로 상기 아이템을 prefix로 하고, 상기 아이템을 포함하는 트랜잭션의 다른 아이템들의 서포트 값을 계산하고, 상기 계산된 서포트 값이 상기 최소 임계치보다 크거나 같을 경우, 서브 트리가 생성되는 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|
| 8 |
8
제품 추천 시스템에 있어서, 데이터의 속성에 기초하여 사용자의 구매 내역 정보를 판단하는 판단부;상기 판단된 사용자의 구매 내역 정보에 따라 연관규칙을 생성하는 생성부; 및 상기 연관규칙에 기반하여 획득된 결과를 통하여 상기 사용자에게 새로운 제품을 추천하는 추천부를 포함하고,상기 생성부는,FP Growth 알고리즘을 사용하여 상기 사용자의 구매 내역 정보를 스캔함에 따라 패턴을 추출하고, 상기 사용자의 구매 내역 정보를 복수 번 스캔함에 따라 패턴을 탐색하고, 상기 사용자의 구매 내역 정보를 스캔함에 따라 트랜잭션이 포함하고 있는 아이템마다 서포트 값을 계산하고, 상기 계산된 서포트 값을 토대로 서프트 값이 최소 임계치(minsup) 이상인 아이템을 추출하고, 상기 트랜잭션에서 이상의 아이템들로 트리(Global FP Tree)를 구축하고, 상기 구축된 트리에서 분할 정복 기법을 사용하여 또 다른 아이템을 선택하여 적어도 하나 이상의 서브 트리(Conditional FP Tree)를 생성하고, 상기 서포트 값이 최소 임계치 이상인 아이템을 기 설정된 기준으로 정렬하여 테이블에 보관하고,상기 사용자의 구매 내역 정보를 재스캔함에 따라 트랜잭션에 포함된 아이템 중 테이블에 보관되어 있는 아이템을 추출하고, 상기 추출된 아이템을 재정렬하여 트리에 삽입하고, 상기 추출된 아이템을 트랜잭션에 root부터 삽입하고, 상기 삽입을 하는 도중에 동일한 아이템이 추출될 경우 노드를 합치고, 노드에 저장하는 서프트 값을 증가시키는 과정을 완료함에 따라 트리 또는 서브 트리를 구축하고, 상기 트리 또는 상기 서브 트리를 계속적으로 생성하고, 서포트 값을 추출함에 따라 최소 임계치 이상의 패턴들을 추출하고, 1)상기 트리 또는 상기 서브 트리를 기준으로 상기 트리 또는 상기 서브 트리의 이전 트리에서 새로운 트리 또는 새로운 서브 트리의 생성이 불가능한 상태일 때 또는 2)상기 선택된 아이템을 포함한 패턴의 서포트 값이 최소 임계값 이하일 때 상기 트리 또는 상기 서브 트리의 생성을 중지하는 것을 포함하고,상기 분할 정복 기법은, 상기 테이블에서 바텀업 방식으로 상기 아이템을 prefix로 하고, 상기 아이템을 포함하는 트랜잭션의 다른 아이템들의 서포트 값을 계산하고, 상기 계산된 서포트 값이 상기 최소 임계치보다 크거나 같을 경우, 서브 트리가 생성되는 제품 추천 시스템
|
| 9 |
9
삭제
|
| 10 |
10
삭제
|
| 11 |
11
삭제
|
| 12 |
12
삭제
|
| 13 |
13
제8항에 있어서, 상기 판단부는, 상기 데이터를 바이너리 코드로 변환하는 전처리 과정을 수행하고, 상기 전처리 과정이 수행됨에 따라 바이너리 코드로 변환된 데이터의 속성에 기초하여 사용자의 구매 내역 정보를 확인하는 것을 특징으로 하는 제품 추천 시스템
|
