Earticle

초록

영어

Most product recommendation systems that utilize movement path data have the problem that they only consider simple outlier data and do not consider contextual outlier data. That is, these systems only use simple outlier data for machine learning, which results in lowering the overall quality of the data. Therefore, in this paper, we developed an agent that optimizes user movement path prediction by considering not only simple outliers but also contextual outliers among the user's movement path data using deep learning technology and recommends personalized products based on this. As a result of the experiment, the precision, recall, F1-Score, and MAP values were higher when the RCO_WeekDay and RCO_DayOff datasets were used than when the RGO dataset was used, confirming relatively superior performance. Additionally, it was confirmed that the MAE and RMSE were relatively lower, indicating that the prediction is less likely to be wrong. These results indicate that optimizing the movement path prediction model contributes to improving the accuracy of personalized product recommendation services.

한국어

기존의 이동 경로 데이터를 활용한 상품 추천 시스템은 대부분 단순 이상치 데이터만을 고려할 뿐 문맥적 이상치를 고려하지 않는다는 문제점을 가지고 있다. 즉, 기존 시스템들은 단순 이상치 데이터만을 기계 학습에 사용하기 때문에 그 결과 전체적으로 데이터의 품질을 떨어뜨린다는 점이다. 따라서 본 연구에서는 딥러닝 기술을 이용하여 사용자의 이동 경로 데이터 중에서 단순한 이상치 뿐만 아니라 문맥적 이상치 데이터를 고려하여 사용자의 이동 경로 예측을 최적화하고 이를 기반으로 개인별 맞춤형 상품을 추천하는 에이전트를 개발하였다. 실험결과, RGO 데이터 셋을 사용한 것보다 RCO_WeekDay와 RCO_DayOff 데이터셋을 사용한 경우에 정밀도, 재현율, F1-Score, MAP 값이 더 높게 나타나 상대적으로 우수한 성능임을 확인하였다. 또한 MAE, RMSE 경우에도 상대적으로 더 낮게 나타나 예측이 빗나갈 가능성이 적음을 확인하였다. 이러한 결과는 이동 경로 예측 모델의 최적화가 개인화된 상품 추천 서비스의 정확도를 높이는 데 기여함을 알 수 있다.

목차

요약
Abstract
1. 서론
2. 선행연구
2.1 이동 경로 데이터의 이상치 탐지
2.2 딥러닝 기반 상품 추천
3. 제안된 에이전트
3.1 개요
3.2 사용자 이동 경로의 단순 이상치 탐지
3.3 사용자 이동 경로의 문맥적 이상치 탐지
3.4 상품 추천 모듈 구현
4. 실험
4.1 개요
4.2 실험
5. 결론
REFERENCES

키워드

저자

• 김진일 [ Jin-Il Kim | 한남대학교 탈메이지교양･융합대학 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  산업융합연구(구 대한산업경영학회지) [Journal of Industrial Convergence]

• 간기

  월간

• pISSN

  2635-8875

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 323 DDC 338