Earticle

초록

한국어

정보기술의 발달과 모바일 기기의 대중화로 인해 구매내역, 행동패턴 등 다양한 유형의 고객 데이터 수집이 가능하다. 이러한 고객 데이터가 기하급수적 으로 증가함에 따라 고객에게 차별화된 서비스를 제 공해주는 개인화 서비스에 대한 수요가 급격히 커지 고 있다. 기존의 추천 시스템에 대한 연구에서 추천 알고리즘의 정확도가 반드시 추천 서비스 이용자의 만족도로 이어지지는 않는다는 문제점이 지속적으로 제기되어왔다. 또한, 다양한 아이템들이 추천되었을 때 추천 시스템에 대한 만족도가 높다고 지적하고 있다. 본 연구에서는 추천시스템을 사용하여 개인화 서비스를 제공하는 경우 고객 만족도를 결정하는 요 인을 확인하고자 한다. 기존의 추천시스템은 데이터 희소성, 확장성 등 문제점이 꾸준히 존재했다. 하지 만 최근에 이러한 문제점을 해결하기 위해 인공 신 경망을 추천시스템에 적용시키는 다양한 연구가 진 행되었다. 따라서 이번 연구에서는 인공신경망의 한 종류인 심층 신경망을 추천시스템에 적용하여 MovieLens의 실제 사용자 데이터를 이용하여 사용자의 패턴을 학습하고 고객의 정확도, 다양성, 고객 만족 도를 측정했다. 연구 결과는 심층 신경망 기반 추천 시스템의 정확도가 고객 만족도에 긍정적인 영향을 주었고 다양성은 부정적인 영향을 주었다.

목차

Abstract
1. 서론
2. 관련 연구
2.1 추천 시스템
2.2 심층 신경망
2.3 기대불일치 이론(Expectation Disconfirmation Theory, EDT)
2.4 정확도 및 다양성 평가 지표
3. 연구 가설
4. 실험 설계
4.1 실험 데이터
4.2 실험 설계
5. 실험 결과
6. 결론
References

키워드

저자

• 이청용 [ 경희대학교 이과대학 소셜네트워크과학과 ]
• 최일영 [ 경희대학교 경영대학원 ]
• 김재경 [ 경희대학교 경영대학 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국경영정보학회 정기 학술대회 [KMIS Conference]

• 간기

  반년간

• 수록기간

  1990~2025

• 십진분류

  KDC 325 DDC 658