Earticle

본 연구는 제품 속성별로 차이를 보이는 사용자 기반-, 아이템 기반 추천 알고리즘의 예측 정확도를 실증분석하는 한편 건선 치료 화장품에 대한 양 추천 방식의 상대적 적합성을 고찰하였다. 주요 관점으로는 제품 소비에 따른 고객이 기대하는 경험적 가치와 기능적 가치 실현이 다르 다는 논리를 채택하였고, 영화, 뷰티상품, 자동차, 전자제품과 더불어 건선 치료 화장품을 연구 대상으로 파이썬 알고리즘 검증 방법을 통해 핵 심 가설을 검증하였다. 실증 분석에 사용된 표본으로는 영화의 경우 Movie Lens 100k 데이터와 뷰티상품, 자동차, 전자제품은 아마존 상품 데이 터를 활용하였고, 건선 치료 화장품의 경우 연구자들이 수집한 건선 환자들의 치료 화장품 사용에 관한 평점 및 사용후기 정보를 사용하였다. 상 이한 추천 알고리즘의 예측력 비교를 위해 평가 지표로 평균제곱근오차(RMSE: Root Mean Square Error)를 사용하였고, K-겹 교차검증 기법을 채택하였다. 분석 결과, 경험적 가치가 중요한 제품(영화, 뷰티)은 아이템 기반 추천 방식 보다 사용자 기반 추천 방식이 우수한 것으로 나타났고 (가설 1 지지), 기능적 가치가 중요한 제품(자동차, 전자제품)은 아이템 기반 추천 방식이 사용자 기반 추천 방식 보다 예측력이 우수한 것으로 확인되었다(가설 2 지지). 또한 건선 치료 화장품은 아이템 기반 추천 방식이 우수한 것으로 나타나 기능적 가치가 중요한 제품임을 확인할 수 있었다(가설 3지지). 이상과 같이 발견된 사실로부터 제품 속성에 따라 추천 알고리즘의 예측력이 다양하게 나타난다는 이론적 시사점과, 건선 치료 화장품 시장을 위한 마케팅 전략 수립을 위한 실무적 시사점을 도출하였다.

This study empirically analyzes the prediction accuracy of user-based and item-based recommendation algorithms that show differences by product attribute, while examining the relative suitability of both recommendation methods for psoriasis cosmeceutical. Adopting the logic that the experiential value and functional value realization expected by customers according to product consumption are different, main hypotheses were tested. As samples used for empirical analysis, Movie Lens 100k data for movies and Amazon product data for beauty products, automobiles, and electronic products were employed, and for psoriasis treatment cosmetics, the ratings and review information for single products was used. To compare the predictive power of different recommendation algorithms, Root Mean Square Error (RMSE) was employed as an evaluation index, and a K-fold cross-validation technique was adopted. As a result of the analysis, it was found that the user-based recommendation algorithm was superior to the item-based recommendation algorithm for products for which experiential value was important, such as movies and beauty products (supporting hypothesis 1). Concerning products for which functional value was important, such as automobiles and electronic products, the superiority of item-based recommendation was confirmed. The algorithm was confirmed to have better predictive power than the user-based recommendation algorithm (supporting hypothesis 2). In addition, it was found that the item-based recommendation method for psoriasis cosmeceutical was superior, confirming that functional values are important for it(supporting hypothesis 3). From the findings, theoretical implications that the predictive power of the recommendation algorithm varies according to product attributes and practical implications for establishing a marketing strategy for the psoriasis treatment cosmetics market were derived.

협력적 추천 알고리즘의 성능향상을 위한 많은 연구들이 진행되고 연구 결과로 다양한 협력적 추천 기법들이 제안되고 있다. 이러한 연구에서는 EachMovie, MovieLens등의 선호도(Rating) 값을 기반으로 하는 데이터를 대상으로 추천의 효율을 높이고자 하고 있다. 그러나 실세계에서 우리가 얻을 수 있는 원 거래 데이터(Raw Transaction Data)는 선호도 값을 갖고 있지 않다. 따라서 실세계의 구매 데이터에 효과적인 추천을 하기 위해서는 기존의 선호도 기반 알고리즘이 아닌 구매 정보만을 기반으로 하는 변경된 협력적 추천 알고리즘이 필요하다. 본 논문에서는 연관규칙 탐사 기법에서 사용하는 확신도(confidence)를 유사도식에 사용하고 이를 기반으로 선호도를 예측하는 구매 기반의 협력적 추천 알고리즘을 제안한다.

기존의 사용자 기반 협력적 필터링이 가지는 단점으로 지적되었던 희박성과 확장성의 문제를 아이템 기반 협력적 필터링 기법을 통하여 개선하려는 연구가 진행되어 왔다. 실제로 많은 성과가 있었지만. 여전히 명시적 데이터를 기반으로 하기 때문에 희박성이 존재하며, 아이템의 속성이 반영되지 않는 문제점이 있다. 본 논문에서는 기존의 아이템 기반 협력적 필터링의 문제점을 보완하기 위하여 사용자와 아이템의 혼합 협력적 필터링에서 Naive Bayesian 알고리즘을 이용한 추천 방법을 제안한다. 제안된 방법에서는 각 사용자와 아이템에 대한 유사도 검색 테이블을 생성한 후, Naive Bayesian 알고리즘으로 아이템을 예측 및 추천함으로써, 성능을 개선하였다. 성능 평가를 위해 기존의 아이템 기반 협력적 필터링 기술과 비교 평가하였다.