Earticle

최근 아이돌 가수 등 여러 연예인이 다양한 형태의 신한복을 착용한 모습이 방송에 공개되면서, 신 한복에 대한 대중적 관심이 높아지고 있다. 또 한류의 지속적 확산으로 신한복에 대한 세계적 관심 또 한 높아지고 있다. 오늘날 의류 산업은 IT 산업의 발전과 모바일 기기의 성능 향상으로 온라인의 비 중이 점점 상승하고 있다. 2020년 통계청이 발표한 자료에 따르면, 국내 온라인 패션시장 규모는 전 년 대비 13.4% 성장한 42조 6천 879억원으로 나타났다. 이러한 현상은 코로나 팬더믹 이후 가속화 되어 2021년에는 주요 온라인 패션 플랫폼 빅5의 거래액이 2020년 대비 40% 이상 성장할 것이라는 예측도 있다. 반면 백화점을 비롯한 오프라인 매장의 거래량은 지속해서 감소하는 추세다. 온라인 쇼 핑에서 추천 알고리즘은 사용자의 구매력을 높이기 위한 기본적인 방법이다. 대표적 추천 알고리즘으 로는 협업 필터링이 있다. 그러나 협업 필터링을 적용하기 위해서는 상품에 대한 평점이 반드시 필요 하다는 단점이 있다. 특히 신한복은 아직 시장이 활성화되지 않았기 때문에 축적된 데이터가 부족한 상황이다. 이에 본 논문은 기존 연구의 분석결과를 바탕으로 신한복 온라인 커스터마이징 플랫폼 개 발에 적합한 추천 방식을 제안한다. 본 논문에서 제안하는 방식은 신한복 온라인 커스터마이징 플랫 폼의 초기 추천 알고리즘으로 활용할 수 있다.

Recently, as idol singers and other celebrities wearing various types of new hanbok have been shown on TV, public interest in the new hanbok is increasing. Also, with the continuous spread of the Korean Wave, global interest in the new Hanbok is also increasing. Today, the proportion of online clothing industry is increasing due to the development of the IT industry and the improvement of the performance of mobile devices. According to data released by the National Statistical Office in 2020, the size of the domestic online fashion market grew by 13.4% compared to the previous year to reach 42,687.9 billion won. This phenomenon has accelerated after the corona pandemic, and there is a forecast that in 2021, the transaction amount of the major online fashion platform Big 5 will grow by more than 40% compared to 2020. On the other hand, the volume of transactions in offline stores, including department stores, continues to decrease. In online shopping, a recommendation algorithm is a basic method to increase a user's purchasing power. A representative recommendation algorithm is collaborative filtering. However, there is a disadvantage that a product rating is absolutely necessary to apply collaborative filtering. In particular, the accumulated data for new Hanbok is insufficient because the market has not been activated yet. Therefore, this paper proposes a recommendation method suitable for developing a new hanbok online customizing platform based on the analysis results of existing studies. The method proposed in this paper can be used as an initial recommendation algorithm for the new hanbok online customizing platform.

Island tourism offers distinct attractions compared to land-based travel, providing visitors with unique natural environments and independent cultures not found on the mainland. Due to its ability to facilitate various leisure activities and provide an escape from daily routines, island tourism is expected to maintain steady demand. However, it is also more vulnerable to change in climate and weather changes, making it susceptible to significant restrictions and direct impacts. Despite the growing interest in island tourism, existing research has primarily focused on island classification rather than strategies for effectively utilizing island tourism resources. This study aims to develop a data-driven evaluation and activation strategy for island tourism resources in Jeollanam-do, South Korea. To achieve this, an island classification system is proposed to systematically categorize islands based on their tourism-related characteristics. The classification system is constructed using exploratory factor analysis and a clustering technique based on the Gaussian Mixture Model (GMM), allowing for the identification of key island attributes. Furthermore, an island recommendation algorithm is introduced based on the established classification system, providing strategic insights for the efficient management and promotion of island tourism resources. The findings of this study contribute to enhancing the sustainable utilization of island tourism by offering a systematic framework for resource evaluation and strategic development.

본 연구에서는 관광지 추천 알고리즘의 예측 정확도 결정요인을 알고리즘이 보여주는 시스템 차원이 아니라 합리적 의사결정 과정에서 핵심 요소로 작용하는 동시에 경쟁관계를 보이는 두 요소인 선호와 거리 간 위계적 순위 관점에서 고찰하였다. 소비자에게 전달하는 제품의 주요 가치 가운데 관광 상품은 기능적 가치와 상징적 가치를 우위하는 경험적 가치에 근간을 두고 있다. 경험적 가치를 근본으로 하는 관광지 선정 과정에는 선호가 거리를 우위하는 위계적 순위를 보인다. 따라서 선호와 거리를 동시에 고려하되 거리보다 선호에 더 큰 가중치를 둔 추천 알고리즘이 단순 히 선호나 거리만을 중심으로 하는 추천 알고리즘보다 예측력이 우수한 것으로 나타났다. 실증 분석을 위한 표본은 강원도 춘천 관광지에 대한 평 점(별점)과 평점 횟수, 후기와 후기 횟수 등으로 구성된 데이터셋을 사용하였다. 실증분석에 사용된 자료는 네이버 지도를 통해 수집하였고, 추천 알고리즘의 예측력 비교를 위해 정밀도(Precision)와 재현율(Recall)을 보여주는 P-R 곡선을 분석도구로 사용하였다. 실증분석 결과 선호와 거리 를 순차적으로 적용한 추천 알고리즘이 선호 또는 거리만을 고려한 추천 알고리즘보다 P-R곡선이 기준치인 1 값에 인접한 채 하락하는 것으로 나 타났다(가설 2지지). 이 연구에서 발견된 사실은 개별 추천 알고리즘의 기술적 우위를 벗어나 추천 알고리즘의 예측력은 선호와 거리라는 경쟁하 는 요소 간 위계적 순위에 따라 결정된다는 논리를 지지해준다. 따라서 정부와 지자체 그리고 관련 기업은 선호와 거리를 모두 고려하여 관광지를 개발하고, 선호와 거리를 순차적으로 고려한 비즈니스 마케팅 전략을 수립해야 한다.

This study examines the factors that determine the predictive accuracy of the tourist recommendation algorithm not at the system level of the algorithm, but in terms of the hierarchical ranking between preference and distance, which are two competing elements that act as key elements in the rational decision-making process. Among the main values that products want to deliver to consumers, tourism products are based on experiential values that predominate over functional and symbolic values. In the process of selecting a tourist destination based on experiential value, preference shows a hierarchical ranking that takes precedence over distance. Therefore, it was found that the recommendation algorithm that considers both preference and distance at the same time, but puts more weight on preference than distance, has better predictive power than recommendation algorithms that simply focus only on preference or distance. For the sample for empirical analysis, a data set consisting of ratings (star ratings) for tourist attractions in Chuncheon, Gangwon-do, the number of ratings, and the number of reviews and reviews was used. The data used in the empirical analysis were collected through Naver Map, and the P-R curve showing precision and recall was used as an analysis tool to compare the predictive power of the recommendation algorithm. As a result of the empirical analysis, it was found that the recommendation algorithmthat sequentially applied preference and distance decreased the P-R curve while remaining close to the reference value of 1, rather than the recommendation algorithm that only considered preference or distance (Hypothesis 2 supported). The findings in this study go beyond the technical superiority of individual recommendation algorithms and support the logic that the predictive power of recommendation algorithms is determined by the hierarchical ranking of competing factors such as preference and distance. Therefore, the government, local governments, and related companies should develop tourismpolicies considering both preference and distance, and establish businessmarketing strategies that sequentially consider the significance of preference and distance.

While existing research has focused on how algorithm experiences drive regulation demand, we know little about whether regulation support can reshape algorithm perceptions in return. Using three-wave panel data (2022-2024, N = 2,269) from the Intelligent Information Society User Panel Survey (KCC & KISDI, 2022-2024), we examined bidirectional relationships between YouTube algorithm perception and regulation support. We found temporal asymmetries between transparency and accountability regulations. For forward effects?where negative experiences trigger regulation demand?transparency operated from the outset and strengthened over time, while accountability emerged only later. Reverse effects?where regulation expectations reshape evaluations-- traced opposite trajectories. Transparency gradually improved perceptions, whereas accountability faded. We also found that dimension-specific digital competence patterns. Low rights protection competence users initially demanded stronger regulation but converged with high-competence users, while reverse effects diverged, benefiting only high-competence users. Critically, low critical understanding competence users supporting accountability regulations exhibited decreased harm perception. Our findings advance algorithmic governance and inform competence-tailored regulation communication strategies.

The importance of recommendation algorithms is underscored by the advancement of AI technology and the growing demand for personalized services. However, there is a lack of empirical studies that analyze differences in algorithmic services across markets. The objective of this study is to draw attention to discrepancy in this field and develop a dual-path model to examine the factors that influence satisfaction with recommendations. By analyzing 641 respondents’ data through Partial Least Squares (PLS), it identifies differences in user attitudes towards algorithms across domains. e-commerce firms and content providers can improve personalized recommendations through the research, which highlights the importance of understanding consumer satisfaction and trust in technology to adapt to evolving AI innovations.

4차 산업혁명 시대에 부상하고 있는 산업 및 연구용 드론은 임무 중심의 관제 운항 형태로 전 환되고 있으며, 임무를 지정하고 실시간으로 확인할 수 있는 지상 관제 시스템에 대한 기술이 개 발되고 있다. 이러한 관제 운항은 비 시야거리에서 원격 조종에 따른 자체 일시적인 결함부터 기 상현상, 악의적 공격 등 다양한 외적 요인으로 인하여 다양한 문제점이 발생하고 있다. 그러나, 지상 관제 시스템에 나타나는 드론의 정보는 단순 데이터들의 집합형태로 순차적인 데이터들의 표현 중심이기 때문에 전문 드론 자격증을 갖추었더라도 모든 정보에 대한 습득과 해석은 어려운 상황이다. 이에 따라 본 연구에서는 비 시야 거리에서 운항중인 원격지 드론에서 습득되는 데이터들에 대하여 임무 수행자가 적극적인 대응이 가능하도록 지상 관제 시스템의 시 인성을 향상시킬 수 있는 방법을 연구하였다. 구체적으로 지상 관제 시스템의 기본 구성을 분석 하고 드론으로부터 전송되는 데이터들을 식별한 후, 우선적으로 고려해야 할 요소들에 대하여 FGI를 통하여 도출하고 지상 관제 시스템에 적용하기 위한 방안을 도출하였다.

Drones are attracting attention in the era of the 4th industrial revolution. Industrial and research drones are shifting to mission-oriented control operation. In various studies, there is developing ground control system technology that can designate missions and check them in real time. In this control operation, various problems are occurring due to various external factors, ranging from temporary faults due to remote control in non-visual distances to weather phenomena and malicious attacks. However, the drone information that appears in the ground control system expresses sequential data in the form of a set of simple data. Therefore, even if the pilot has a professional drone license, it is difficult to acquire and interpret all information. Accordingly, in this study, a method to improve the visibility of the ground control system was studied so that the mission performer could actively respond to data acquired from a remote drone operating at a non-viewing distance. Specifically, the basic configuration of the ground control system was analyzed and data transmitted from the drone were identified. And, the factors to be considered first were derived through FGI and a plan was derived for application to the ground control system.

This study proposes a novel recommendation algorithm that reflects the results from trust/distrust network analysis as a solution to enhance prediction accuracy of recommender systems. The recommendation algorithm of our study is based on memory-based collaborative filtering (CF), which is the most popular recommendation algorithm. But, unlike conventional CF, our proposed algorithm considers not only the correlation of the rating patterns between users, but also the results from trust/distrust relationship network analysis (e.g. who are the most trusted/distrusted users?, whom are the target user trust or distrust?) when calculating the similarity between users. To validate the performance of the proposed algorithm, we applied it to a real-world dataset that contained the trust/distrust relationships among users as well as their numeric ratings on movies. As a result, we found that the proposed algorithm outperformed the conventional CF with statistical significance. Also, we found that distrust relationship was more important than trust relationship in measuring similarities between users. This implies that we need to be more careful about negative relationship rather than positive one when tracking and managing social relationships among users.

현재의 구글 번역과 파파고와 같은 번역 시스템은 텍스트의 정확한 의미 전달에 중점을 두고 있지 만, 문장의 스타일과 감정적 뉘앙스를 충분히 반영하지 못하는 한계가 있다. 특히, 문학적 표현이나 일 상 대화에서 이러한 문체와 감정적 요소를 적절히 번역하는 데 어려움이 있다. 이에 본 연구는 다국어 환경에서 문장 스타일에 맞는 문맥 기반 단어 추천시스템을 제안한다. 사용자가 입력한 문장을 동적 임베딩 모델을 활용하여 문맥 분석을 진행하고, 해당 스타일에 적합한 어휘 추천을 수행한다. 또한, mBART 모델을 사용하여 다국어 환경에서의 병렬 말뭉치 부족 문제를 극복하고 다양한 언어 다국어 스타일 변환을 지원함으로써, 다국어 환경에서 번역 시 문장의 스타일을 유지한 자연스러운 문장 생성 을 가능하게 한다. 본 알고리즘은 기존의 번역 시스템의 한계를 극복하고, 문학적 표현이나 감정적 뉘 앙스를 더욱 정확하게 번역에 반영할 수 있으며, 사용자가 원하는 스타일에 적합한 표현을 자연스럽게 구현할 수 있다. 나아가 다양한 텍스트 스타일에 맞는 어휘 추천 기능은 기계 번역의 정확한 의미 전 달뿐 아니라 문체의 일관성

This study proposes a content-based recommendation algorithm (NRA) for pet food. The proposed algorithm tries to recommend appropriate or inappropriate feed by using collective intelligence based on user experience and prior knowledge of experts. Based on the physical and health status of the dogs, this study suggests what kind of nutrients are necessary for the dogs and the most recommended pet food containing these nutrients. Performance evaluation was performed in terms of recall, precision, F1 and AUC. As a result of the performance evaluation, the AUC and F1 value of the proposed NRA was 15% and 42% higher than that of the baseline model, respectively. In addition, the performance of NRA is shown higher for recommendation of normal dogs than disease dogs.

유비쿼터스 기술이 발달하면서 모바일 기기를 통해 다양한 콘텐츠를 사용자에게 적합한 정보 만을 제공하기 위한 연구가 활발하게 진행되고 있다. 그러나 모바일 기기의 작은 사용자 인터페 이스로 인해 정보제공에 한계가 있다. 본 논문에서는 이런 문제점을 해결하고 모바일 환경에 적 합한 지능형 에이전트 모델과, 각 개인 사용자들이 관심 있는 일자리 정보를 능동적으로 제공할 수 있는 시스템을 제안한다. 사용자 행동패턴을 감시하는 Personalization Engine과, 모바일 기 기에 정보제공을 위한 Learning Algorithm 으로 구성되었다. 조사를 통해 성별, 나이, 학력 에 따라 선호하는 직업 항목이 다른 것을 알았으며, 지역은 직업을 검색 할 때 많은 영향을 주는 것으로 나타났다.

As ubiquitous technology develops, there are many studies to provide various contents proper to users through a mobile device. However, there is a limit of information provision due to a small user interface of a mobile device. This study proposes a system that can solve a problem and provide an intelligent agent model appropriate to a mobile environment and job information positively that an individual user is interested. It is composed of a personalization engine to monitor users' behavior patterns and a learning algorithm to provide information to a mobile device. Analysis shows that preferred job items are different by sex, age and education, while a region affects job searching significantly.

본 연구는 2025년 제21대 대통령 선거 상황에서 유튜브 추천 알고리즘이 정 치적 필터버블과 에코챔버 형성에 미치는 영향을 분석하였다. 진보･보수･중도 성향 6개 키워드를 기반으로 483개 채널과 10,740개 추천 관계를 수집･네트워 크 분석한 결과, 전체 구조는 낮은 밀도와 허브 중심성을 보였으며 추천이 소수 대형 채널에 집중되는 경향이 뚜렷했다. 추천 깊이가 깊어질수록 채널 수와 표 면적 다양성은 증가했으나 정보 집중도는 오히려 상승하여 동일 성향 채널로의 쏠림이 심화되었다. 정치 성향별로는 진보 네트워크의 응집성과 폐쇄성이 가장 높게 나타났으며, 반복 추천과 상호 연결을 통해 에코챔버 구조로 강화될 수 있 음을 확인하였다. ERGM 분석에서는 정치 성향 일치, 구독자 수 및 영상 수 등 이 추천 연결 형성에 유의하게 작용하여 알고리즘이 정치적으로 동질적인 정보 환경을 고착화할 수 있음을 시사한다. 이러한 결과를 통해 선거 시기 정보 다양 성 확보와 정치적 양극화 완화를 위해 추천 편향을 감시･완화하는 정책적 장치 와 플랫폼의 투명성 제고가 필요함을 제언한다.

This study examined how YouTube’s recommendation algorithm shaped political filter bubbles and echo chambers during the 2025 June 3 presidential election in South Korea. Using six keywords across progressive, conservative, and centrist orientations, we analyzed 483 channels and 10,740 recommendation links. The network showed low density but strong hub centrality, with recommendations concentrated on a few large channels. Greater recommendation depth increased apparent diversity but also raised the Gini coefficient, intensifying ideological clustering. Progressive networks had the highest cohesion and closure, indicating stronger filter bubble tendencies, often reinforced into echo chambers through repeated and reciprocal recommendations. ERGM analysis confirmed that political alignment, subscriber count, video volume, and traditional media affiliation significantly influenced link formation. Findings highlight the need for policy and platform-level measures to monitor and reduce recommendation bias, ensuring diversity and mitigating polarization during elections.

유튜브 알고리즘 추천은 인간의 편견을 배제하고 객관적인 정보를 전달한다는 유용 성을 인식하게 한다. 이러한 유용성 인식은 유튜브 미디어 신뢰에 영향을 미친다. 그러 나 알고리즘의 결함과 위험에 대한 우려가 확산되는 가운데, 알고리즘 추천의 유용성 인식과 미디어 신뢰 간에 지각된 유해성, 확증편향, 프라이버시 염려가 미치는 매개효 과를 살펴보았다. 각 변수 간 경로별 효과를 분석한 결과, 알고리즘 추천의 유용성 인식 이 미디어 신뢰에 정적(+) 영향을 미쳤다. 또한 확증편향과 프라이버시 염려에도 정적 (+) 영향을 미쳤다. 확증편향은 유튜브에 대한 미디어 신뢰도에 정적(+) 영향을 미쳤 다. 매개효과 분석 결과, 알고리즘 추천의 유용성 인식과 유튜브에 대한 미디어 신뢰 간 관계에서 확증편향의 매개효과가 유의미하게 나타났다. 알고리즘 추천에 대한 유용성 인식에 더해 개인의 심리적인 기제인 확증편향이 유튜브 미디어 신뢰에 영향을 미친다 는 사실을 통해 정보안심의 소비습관과 뉴스관여도의 영향력을 읽을 수 있다. 이러한 정보안심의 소비습관을 방지하기 위해 노출의 다양성을 촉진할 추천 알고리즘의 정교 화가 필요하다.

Youtube Media trust is formed under the perception of the usefulness that YouTube algorithm recommendation excludes human biases and delivers objective information. However, amid widespread concerns about algorithm defects and risks, this paper looks at the mediating effects of perceived harmfulness, confirmation bias, and privacy concerns between the usefulness of algorithm recommendations and media trust. As a result of analyzing the effect of each path among variables, the perception of the usefulness of algorithm recommendation has a positive (+) effect on media trust. It also has a positive (+) effect on confirmation bias and privacy concerns. Confirmation bias has a positive (+) effect on media trust. As a result of the mediating effect analysis, the mediating effect of confirmation bias is significant in the relationship between the perception of the usefulness of algorithm recommendation and media trust. The fact that confirmation bias, an individual's psychological mechanism, mediates between the usefulness of algorithm recommendation and media trust can be understood as strengthening media trust by protecting and stabilizing individual beliefs. In order to weaken this tendency of passive information acquisition, it is necessary to refine the recommendation algorithm in practice. In addition, it is necessary for users to improve their experiences for active information acquisition.

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.

인터넷을 통한 상품 구매 형태의 변화는 고객정보로서 많은 가치를 가지게 되었다. 그리고 많은 새로운 방법을 통하 여 고객의 선호도에 맞는 서비스나 물건 등을 추천하는 추천시스템을 개발하게 되었다. 데이터베이스에 축적된 고객 의 자료를 분석하여 고객관계관리(Customer Relationship Management)가 중요한 마케팅 수단이 되었고, 분 석된 자료를 통하여 고객에게 새로운 서비스나 제품을 추천해주는 추천시스템(Recommendation System)이 마 케팅의 중요한 수단으로 사용되고 있다. 추천시스템에는 새로운 알고리즘들을 접목하여 정확도를 높이는 연구가 진 행 되어오고 있다. 본 논문은 Grouplens의 영화 평가 자료를 이용하였으며, 유전알고리즘을 통하여 얻어진 특징 (feature)들을 기본데이터로 사용하여 추천시스템에 적용하였으며, 추천시스템내의 신경망의 여러 변수들 중 특정 변수값에서 정확도가 높게 나타나는 것을 확인하였다.

Changes in the form of product purchase through the Internet had the value as customer information . Recommendation systems were developed to meet the preferences of customers to recommend such as services or goods through the many new ways. CRM(Customer Relationship Management) is important means of marketing to analyze the data stored in the data server of the customer based. Which is recommended for new services or products to customers through a recommendation system using analyzed data. Marketing has been used as an important tool. Research for recommendation system has been conducted to increase the accuracy by combining the new algorithm. We use the movie rating data, Grouplens. This paper is the feature of the rating data, obtained by genetic algorithm, which are applied to a customer recommendation system. Neural network’s parameters was confirmed high accuracy with specific value in recommendation system.

코로나19로 인하여 배달 빈도수가 높은 힘든 1인가구나 맞벌이가족에게는 식자재의 낭비 및 유통기한 관리의 문제점을 가지고 있다. 이런 문제점을 해결하기 위해 본 논문에서는 사용자가 식재료의 유통기한 을 관리하고 식재료 기반 또는 사용자 행동 양식 기반으로 레시피를 추천 받을 수 있게 해주는 애플리케 이션을 설계한다. 본 애플리케이션은 객체 인식 알고리즘인 YOLO를 이용하여 카메라로 식재료를 인식 하고, 협업 필터링을 이용한 레시피 추천 시스템으로 사용자가 원하는 레시피 정보를 제공한다. 사용자 는 본 애플리케이션을 사용하여 카메라로 식재료를 인식하여 레시피를 검색할 수 있고 사용자의 과거이 력이나 취향에 연관된 레시피를 추천 받을 수 있다.

본 연구의 목적은 좀 더 정확한 고객 선호도 예측을 위한 협업 필터링 알고리즘의 예측 성능을 평가하기 위한 것이다. 고객 선호도 예측의 정확도를 비교하기 위하여 이웃 기반의 협업 필터링 알고리즘과 대응평균 알고리즘에 의한 고객 선호도 예측의 MAE를 비교하였다. 예측 알고리즘의 정확성을 분석하기 위하여 MovieLens 1 Million dataset을 이용하여 실험을 하였다. 각 예측 알고리즘에 사용된 유사도 가중치는 일반적으로 이용되는 피어슨 상관계수와 벡터 유사도를 이용하였으며 분석결과 대응평균 알고리즘의 예측 정확도가 이웃 기반의 협업 필터링 알고리즘의 예측 정확도 보다 우수한 것으로 나타났다. 두 알고리즘에 사용된 유사도 가중치인 피어슨 상관계수와 벡터 유사도는 두 고객이 특정 상품에 대하여 공통으로 평가한 선호도 평가치를 이용하여 계산된다. 이때 공통으로 평가한 선호도 평가치의 개수가 적으면 계산된 유사도 가중치가 과대 평가된다. 과대 평가된 유사도 가중치를 보정하여 고객 선호도 예측의 정확도를 높이기 위하여 기존의 연구에서 고려한 공통 평가 영화의 개수 보다 확대된 범위를 적용하였으며 각 예측 방법에 따라 서로 다른 개선 경향을 파악할 수 있었다.

The purpose of this study is to evaluate the performance of collaborative filtering recommender algorithms for better prediction accuracy of the customer's preference. The accuracy of customer's preference prediction is compared through the MAE of neighborhood based collaborative filtering algorithm and correspondence mean algorithm. It is analyzed by using MovieLens 1 Million dataset in order to experiment with the prediction accuracy of the algorithms. For similarity, weight used in both algorithms, commonly, Pearson's correlation coefficient and vector similarity which are used generally were utilized, and as a result of analysis, we show that the accuracy of the customer's preference prediction of correspondence mean algorithm is superior. Pearson's correlation coefficient and vector similarity used in two algorithms are calculated using the preference rating of two customers' co-rated movies, and it shows that similarity weight is overestimated, where the number of co-rated movies is small. Therefore, it is intended to increase the accuracy of customer's preference prediction through expanding the number of the existing co-rated movies.

현재 추천 시스템은 실제 사용자가 선호하는 항목을 추천하는지, 아니면 단순히 관심 정도의 항목을 추천하는지 알 수 없다는 문제와 사용자들이 매우 적어 적합한 항목을 추천할 수 없는 데이터 희소성 문제, 새로운 사용자들이 유입됨 에 따라 사용자들이 만족하는 항목을 추천하기 위해 시스템의 성능이 저하되는 Cold-Start 문제 등이 발생한다. 본 연구에 서는 이러한 문제점을 해결하기 위해 불확실한 상황이나 문제들을 반영할 수 있는 퍼지-계층적 분석(Fuzzy-Analytic Hierarchy Process)과 주어진 항목들을 비슷한 항목들끼리 모으는 데이터 군집화 알고리즘을 활용하여 사용자들에게 만족 할 수 있는 영화를 추천하기 위한 시스템을 구현하였다. 61명을 대상으로 영화 선호도에 대한 설문 조사를 실시한 데이터를 본 시스템에 적용한 결과 Fuzzy-AHP 기법을 통해서 데이터 희소성 문제를 해소할 수 있었으며, 또한 데이터 군집화 알고 리즘을 통해 새로운 사용자들이 유입되어도 사용자에게 적합한 항목이 추천되었음을 확인할 수 있었다. 향후 노이즈 데이 터나 아웃라이어(Outlier) 데이터를 걸러낼 수 있는 밀도 기반 클러스터링에 대한 연구가 필요할 것으로 생각된다.

The current recommendation systems have problems including the difficulty of figuring out whether they recommend items that actual users have preference for or have simple interest in, the scarcity of data to recommend proper items due to the extremely small number of users, and the cold-start issue of the dropping system performance to recommend items that can satisfy users according to the influx of new users. In an effort to solve these problems, this study implemented a movie recommendation system to ensure user satisfaction by using the Fuzzy-Analytic Hierarchy Process, which can reflect uncertain situations and problems, and the data partition algorithm to group similar items among the given ones. The data of a survey on movie preference with 61 users was applied to the system, and the results show that it solved the data scarcity problem based on the Fuzzy-AHP and recommended items fit for a user with the data partition algorithm even with the influx of new users. It is thought that research on the density-based clustering will be needed to filter out future noise data or outlier data.