| 1 |
1
협업필터링 기반의 상품 추천 시스템에서 추천 기법을 선택하는 방법에 있어서,상품 구매 데이터베이스로부터 다수의 샘플 그룹을 생성하는 단계;각 샘플 그룹에 포함되어 있는 사용자 사이의 상품 구매 유사도에 기초하여 샘플 그룹별로 샘플 네트워크를 생성하고, 각 상기 샘플 네트워크의 특성을 나타내는 샘플 특성 계수를 계산하는 단계; 상기 샘플 네트워크에 대해 서로 상이한 협업 필터링 기반의 다수 추천 기법을 적용하여 각 추천 기법에 대한 상기 샘플 네트워크의 추천 성공율을 계산하는 단계;상기 샘플 특성 계수를 독립 변인으로 하고 상기 추천 성공율을 종속 변인으로 하여 상기 각 추천 기법별로 다중 회귀식을 생성하며, 상기 각 추천 기법별 다중 회귀식에서 상기 샘플 특성 계수의 유의성을 판단하는 단계;상기 추천 기법별 다중 회귀식에서 공통으로 유의한 공통 샘플 특성 계수의 종류를 판단하는 단계;상기 상품 구매 데이터베이스를 구성하는 모든 사용자로 이루어진 전체 네트워크를 기준으로 상기 공통 샘플 특성 계수와 동일한 종류의 전체 특성 계수를 계산하는 단계; 및상기 전체 특성 계수를 각 추천 기법의 다중 회귀식에 적용하여 가장 높은 추천값을 가지는 추천 기법을 상기 상품 구매 데이터베이스의 추천 기법으로 선택하는 단계를 포함하는 것을 특징으로 하는 추천 기법의 선택 방법
|
| 2 |
2
제 1 항에 있어서, 상기 샘플 그룹은상기 사용자의 상품 구매 데이터베이스에서 무작위로 선택된 설정된 수의 사용자로 다수 생성되는 것을 특징으로 하는 추천 기법의 선택 방법
|
| 3 |
3
제 2 항에 있어서, 상기 샘플 네트워크의 특성을 나타내는 샘플 특성 계수를 계산하는 단계는상기 샘플 그룹을 구성하는 사용자 사이의 구매 유사도를 계산하는 단계;상기 구매 유사도가 임계 유사도 이상인 사용자 사이를 연결하여 샘플 네트워크를 생성하는 단계; 및상기 샘플 네트워크에서 사용자 사이의 연결 관계를 이용하여 상기 샘플 네트워크의 특성을 나타내는 샘플 특성 계수를 계산하는 단계를 포함하는 것을 특징으로 하는 추천 기법의 선택 방법
|
| 4 |
4
제 3 항에 있어서, 상기 샘플 네트워크의 특성을 나타내는 샘플 특성 계수는상기 샘플 네트워크(Si)를 구성하는 사용자의 연결 관계에 기초하여 사용자가 얼마나 긴밀하게 연결되어 있는지를 나타내는 밀도 계수(DEN(Si)), 상기 샘플 네트워크(Si)를 구성하는 사용자의 연결 관계에 기초하여 주변 사용자와 연결되지 않는 사용자의 비율을 나타내는 포괄 계수(DIV(Si)), 상기 샘플 네트워크를 구성하는 사용자의 연결 관계에 기초하여 사용자와 연결되어 있는 주변 사용자 사이의 연결 정도를 나타내는 군집 계수(CLU(Si)) 및 상기 샘플 네트워크를 구성하는 사용자의 연결 관계에 기초하여 사용자를 중심으로 주변 사용자와 얼마나 집중적으로 연결되어 있는지를 나타내는 집중 계수(CEN(Si)) 중 적어도 어느 하나인 것을 특징으로 하는 추천 기법의 선택 방법
|
| 5 |
5
제 4 항에 있어서, 상기 밀도 계수(DEN(Si))는 아래의 수학식(1)에 의해 계산되며,[수학식 1]여기서 ki는 샘플 네트워크(Si)의 전체 연결 수를 의미하며, ni은 샘플 네트워크(Si)를 구성하는 전체 사용자 수인 것을 특징으로 하는 추천 기법의 선택 방법
|
| 6 |
6
제 4 항에 있어서, 상기 포괄 계수(DIV(Si))는 아래의 수학식(2)에 의해 계산되며,[수학식 2]여기서 nit는 샘플 네트워크(Si)에서 주변 사용자와 연결되어 있지 않은 사용자의 수인 것을 특징으로 하는 추천 기법의 선택 방법
|
| 7 |
7
제 4 항에 있어서, 상기 군집 계수(CLU(Si))는 아래의 수학식(3)에 의해 계산되며,[수학식 3]여기서 nv는 주변 사용자와 2개 이상의 연결을 가지는 사용자의 수를 의미하며, V는 주변 사용자와 2개 이상의 연결을 가지는 사용자 집합을 의미하며, clu(p)는 주변 사용자와 2개 이상의 연결을 가지는 사용자 집합 중 어느 하나의 사용자(p)의 개별 군집 계수로 아래의 수학식(4)와 같이 계산되며, [수학식 4]여기서 triplep는 사용자(p)에 2명의 주변 사용자가 연결되어 있는 수를 의미하며, trianglep는 사용자(p)에 연결되어 있는 2명의 주변 사용자가 서로 연결되어 있는 수를 의미하는 것을 특징으로 하는 추천 기법의 선택 방법
|
| 8 |
8
제 4 항에 있어서, 상기 집중 계수(CEN(Si))는 아래의 수학식(5)에 의해 계산되며,[수학식 5]여기서 cen(ul)은 샘플 네트워크(Si)를 구성하는 사용자(ul)의 개별 집중 계수를 의미하며, cen(u*)는 샘플 네트워크(Si)를 구성하는 사용자 중 가장 높은 개별 집주 계수를 의미하며,여기서 개별 집중 계수는 아래의 수학식(6)에 의해 계산되며,[수학식 6]여기서 mj는 사용자 Ul이 샘플 네트워크와 주변 사용자(Uj)와 연결되어 있으며 1의 값을 가지며 주변 사용자 (Uj)와 연결되어 있지 않은 경우 0의 값을 가지는 것을 특징으로 하는 추천 기법의 선택 방법
|
| 9 |
9
제 4 항에 있어서, 상기 샘플 네트워크 추천 성공율을 계산하는 단계는상기 샘플 네트워크를 구성하는 사용자를 설정된 수의 훈련 데이터 그룹과 테스트 데이터 그룹으로 구분하여 생성하는 단계;상기 훈련 데이터 그룹에 서로 상이한 협업 필터링 기반의 다수 추천 기법을 적용하여 상기 추천 기법별로 추천 상품을 추출하는 단계; 및추출한 상기 상품과 테스트 데이터 그룹의 사용자가 실제 구매한 상품을 비교하여 상기 추천 기법별로 상기 샘플 네트워크의 추천 성공율을 계산하는 단계를 포함하는 것을 특징으로 하는 추천 기법의 선택 방법
|
| 10 |
10
삭제
|
| 11 |
11
사용자의 상품 구매 데이터베이스에서 무작위로 선택된 설정된 수의 사용자로 다수의 샘플 그룹을 생성하고, 각 샘플 그룹별로 샘플 그룹에 포함되어 있는 사용자 사이의 상품 구매 유사도에 기초하여 샘플 네트워크를 생성하는 네트워크 생성부;상기 샘플 네트워크를 기준으로 상기 샘플 네트워트의 특성을 나타내는 샘플 특성 계수 및 상기 상품 구매 데이터베이스를 구성하는 모든 사용자로 이루어진 전체 네트워크를 기준으로 상기 전체 네트워크의 특성을 나타내는 전체 특성 계수를 계산하는 특성 계수 계산부; 상기 샘플 네트워크에 대해 서로 상이한 협업 필터링 기반의 다수 추천 기법을 적용하여 각 추천 기법에 대한 상기 샘플 네트워크의 추천 성공율을 계산하는 추천 성공율 계산부;상기 샘플 특성 계수를 독립 변인으로 하고 상기 추천 성공율을 종속 변인으로 하여 상기 각 추천 기법별로 다중 회귀식을 생성하며, 상기 각 추천 기법별 다중 회귀식에서 상기 샘플 특성 계수의 유의성을 판단하는 유의성 판단부; 및상기 샘플 특성 계수 중 각 추천 기법의 다중 회귀식에서 공통적으로 유의성을 가지는 공통 샘플 특성 계수의 종류를 판단하고, 공통 샘플 특성 계수와 동일한 종류의 전체 특성 계수를 각 추천 기법의 다중 회귀식에 적용하여 가장 높은 추천값을 가지는 추천 기법을 상기 상품 구매 데이터베이스의 추천 기법으로 선택하는 추천 기법 선택부를 포함하는 것을 특징으로 하는 추천 기법의 선택 장치
|
| 12 |
12
제 11 항에 있어서, 상기 네트워크 생성부는사용자의 상품 구매 데이터베이스에서 무작위로 선택된 설정된 수의 사용자로 다수의 샘플 그룹을 생성하는 샘플 그룹 생성부;상기 샘플 그룹을 구성하는 사용자 사이의 구매 유사도를 계산하는 유사도 계산부; 및상기 구매 유사도가 임계 유사도 이상인 사용자 사이를 연결하여 샘플 네트워크를 형성하는 샘플 네트워크 생성부를 포함하는 것을 특징으로 하는 추천 기법의 선택 장치
|
| 13 |
13
제 12 항에 있어서, 상기 특성 계수 계산부는상기 샘플 네트워크(Si) 또는 상기 전체 네트워크(T)를 구성하는 사용자의 연결 관계에 기초하여 사용자가 얼마나 긴밀하게 연결되어 있는지를 나타내는 밀도 계수(DEN(Si)), 상기 샘플 네트워크(Si) 또는 상기 전체 네트워크(T)를 구성하는 사용자의 연결 관계에 기초하여 주변 사용자와 연결되지 않는 사용자의 비율을 나타내는 포괄 계수(DIV(Si)), 상기 샘플 네트워크 또는 상기 전체 네트워크(T)를 구성하는 사용자의 연결 관계에 기초하여 사용자와 연결되어 있는 주변 사용자 사이의 연결 정도를 나타내는 군집 계수(CLU(Si)) 및 상기 샘플 네트워크 또는 상기 전체 네트워크(T)를 구성하는 사용자의 연결 관계에 기초하여 사용자를 중심으로 주변 사용자와 얼마나 집중적으로 연결되어 있는지를 나타내는 집중 계수(CEN(Si)) 중 적어도 어느 하나인 것을 특징으로 하는 추천 기법의 선택 장치
|
| 14 |
14
제 13 항에 있어서, 상기 추천 성공율 계산부는상기 샘플 네트워크를 구성하는 사용자를 설정된 수의 훈련 데이터 그룹과 테스트 데이터 그룹으로 생성하는 데이터 그룹 생성부;상기 훈련 데이터 그룹에 서로 상이한 협업 필터링 기반의 다수 추천 기법을 적용하여 상기 추천 기법별로 추천 상품을 추출하는 추천 상품 추출부; 및추출한 상기 상품과 테스트 데이터 그룹의 사용자가 실제 구매한 상품을 비교하여 상기 추천 기법별로 상기 샘플 네트워크의 추천 성공율을 계산하는 성공율 계산부를 포함하는 것을 특징으로 하는 추천 기법의 선택 장치
|
| 15 |
15
삭제
|
