Earticle

To upgrade home style recommendations and user satisfaction, this paper proposes a personalized and optimized recommendation algorithm for interior design style based on local social network, which includes data acquisition by three-dimensional (3D) model, home-style feature definition, and style association mining. Through the analysis of user behaviors, the user interest model is established accordingly. Combined with the location-based social network of association rule mining algorithm, the association analysis of the 3D model dataset of interior design style is carried out, so as to get relevant home-style recommendations. The experimental results show that the proposed algorithm can complete effective analysis of 3D interior home style with the recommendation accuracy of 82% and the recommendation time of 1.1 minutes, which indicates excellent application effect.

With the rapid increase of information on the World Wide Web, finding useful information on the internet has become a major problem. The recommendation system helps users make decisions in complex data areas where the amount of data available is large. There are many methods that have been proposed in the recommender system. Collaborative filtering is a popular method widely used in the recommendation system. However, collaborative filtering methods still have some problems, namely cold-start problem. In this paper, we propose a movie recommendation system by using social network analysis and collaborative filtering to solve this problem associated with collaborative filtering methods. We applied personal propensity of users such as age, gender, and occupation to make relationship matrix between users, and the relationship matrix is applied to cluster user by using community detection based on edge betweenness centrality. Then the recommended system will suggest movies which were previously interested by users in the group to new users. We show shown that the proposed method is a very efficient method using mean absolute error.

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.

A personalized course recommendation algorithm based on deep learning in an online education cloud platform is proposed to address the challenges associated with effective information extraction and insufficient feature extraction. First, the user potential preferences are obtained through the course summary, course review information, user course history, and other data. Second, by embedding, the word vector is turned into a low-dimensional and dense real-valued vector, which is then fed into the compressed interaction network-deep neural network model. Finally, considering that learners and different interactive courses play different roles in the final recommendation and prediction results, an attention mechanism is introduced. The accuracy, recall rate, and F1 value of the proposed method are 0.851, 0.856, and 0.853, respectively, when the length of the recommendation list K is 35. Consequently, the proposed strategy outperforms the comparison model in terms of recommending customized course resources.

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.

본 연구는 과학 학술정보 서비스 플랫폼 이용자의 정보 검색 편의성을 확보하고 적합한 정보의 획득에 소요되는 시간을 절약하기 위하여, 운영 중인 서비스 메뉴와 각 서비스 별 콘텐츠 정보를 제공하는 알고리즘 중 콘텐츠 추천 알고리즘을 최적화하고 그 결과를 비교평가 하는 것이다. 추천 정확도를 높이기 위해 이용자의 '전공' 항목을 기존 알고리즘에 추가하였으며, 기존 알고리즘과 최적화된 알고리즘을 통한 추천 결과의 성능평가를 수행하였다. 성능평가 결과 최적화된 알고리즘을 통해 이용자에게 제공되는 콘텐츠의 적합도가 21.2% 증가함을 파악하였다. 이용자에게 적합한 콘텐츠를 시스템에서 자동 도출하여 각 서비스 메뉴 별로 제공함으로써 정보 획득 시간을 단축하고, 연구정보로서 가치 있는 연구결과물의 생명주기를 연장할 수 있는 방안이라는 데 본 연구의 의의가 있다.

In order to secure the convenience of information retrieval by users of scientific information service platforms and to reduce the time required to acquire the proper information, this study proposes an optimized content recommendation algorithm among the algorithms that currently provide service menus and content information for each service, and conducts comparative evaluation on the results. To enhance the recommendation accuracy, users' major items were added to the original algorithm, and performance evaluations on the recommendation results from the original and optimized algorithms were performed. As a result of this evaluation, we found that the relevance of the content provided to the users through the optimized algorithm was increased by 21.2%. This study proposes a method to shorten the information acquisition time and extend the life cycle of the results as valuable information by automatically computing and providing content suitable for users in the system for each service menu.

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.

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.

본 연구는 중국 OTT 플랫폼 텐센트 비디오(Tencent Video)의 추천 알고리즘과 콘텐츠 다양성에 대한 이용자 인식을 심층인터뷰를 기반으로 탐색하였다. 최근 3개월 내 주 2회 이상 OTT 플랫폼 텐센트 비디오를 이용한 성인 10명을 대상으로 반구조화 설문기반의 심층인터뷰를 실시하고 분석을 수행하였다. 분석 결과, 텐센트 비디오(Tencent Video)의 개인화 추천은 탐색 시간과 비용을 낮추고 접근성을 높였으나 유사 장르의 반복 노출로 콘텐츠 다양성 인식을 저하시켰다. 이용자들은 직접 검색하거나 외부 플랫폼의 평점이나 리뷰를 참고하며 익숙하지 않은 장르를 선택해 추천을 보완하였다. 또한 알고리즘에 대한 인식은 이용자의 주체성과 결합되어 추천을 실험 가능한 상호작용 대상으로 인식하게 했다. 본 연구는 알고리즘 기반 추천 시스템이 이용자의 콘텐츠 다양성 인식과 소비 행태에 미치는 영향을 탐색적으로 논의하였다.

This study explores users’ perceptions of Tencent Video's recommendation algorithm and content diversity through in-depth qualitative interviews. Semi-structured interviews were conducted with ten adult users who had used Tencent Video at least twice a week during the past three months. The analysis shows that personalized recommendations reduce users’ search time and effort while increasing accessibility; however, repeated exposure to similar genres decreases users’ perceived content diversity. To compensate for this, users search directly for content, refer to external review platforms, and intentionally select unfamiliar genres. Furthermore, users perceive the recommendation algorithm as an interactive mechanism that can be tested and influenced, combining algorithmic cues with their own agency. This study explores how algorithm-based recommendation systems influence users’ perceptions of content diversity and their consumption behavior.

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.

이 연구에서는 필터버블 현상의 주요 요인인 추천 알고리즘의 정치적 편향성(추천 알고리즘이 이용자가 선호하는 정치 성향의 영상을 제한적으로 제공하는 것)과, 이용자들의 선택적 노출(이용자가 자신이 선호하는 정치 성향의 영상을 자발적으로 선택하는 것)을 실증적으로 검증하고자 하였다. 이를 위해 새로운 유튜브 계정 2개를 개설하여 각각의 계정을 보수/진보 계정으로 일주일 동안 훈련시켰고, 각 계정에서 추천받은 영상들은 이틀 간격으로 수집하였다. 텍스트 마이닝(Text Mining) 방법을 통해 보수 계정에서는 보수 성향의 영상이 더욱 추천되는지, 진보 계정에서는 진보 성향의 영상이 더욱 추천되는지를 알아보았다. 또한 각각의 계정에서 정치적으로 편향된 주제들이 다뤄지고 있는지를 관찰하였다. 설문조사를 통해 유튜브로 정치 및 뉴스 영상을 소비하는 이용자들에게 보수/진보 계정에서 6일째에 추천된 영상 리스트를 제공하여 이용자들이 선택적 노출을 보이는지를 알아보았다. 연구결과, 시간이 지날수록 보수 계정에서는 보수 성향의 영상과 채널이 더욱 추천되고, 진보 계정에서는 진보 성향의 영상과 채널이 더욱 추천되었으며, 보수 계정과 진보 계정에서 추천된 영상들은 대부분 정치적으로 편향된 주제를 다루고 있는 것으로 나타났다. 응답자들의 약 77%는 자신이 선호하는 정치 성향의 영상에 선택적으로 노출되어 보이는 것으로 나타났다.

This study empirically confirmed 'the political bias of the YouTube recommendation algorithm' and 'the selective exposure of user' to verify the Filter Bubble phenomenon of YouTube. For the experiment, two new YouTube accounts were opened and each account was trained simultaneously in a conservative and a liberal account for a week, and the "Recommended" videos were collected from each account every two days. Subsequently, through the text mining method, the goal of the research was to investigate whether conservative videos are more recommended in a righties account or lefties videos are more recommended in a lefties account. And then, this study examined if users who consumed political news videos via YouTube showed "selective exposure" received selected information according to their political orientation through a survey. As a result of the Text Mining, conservative videos are more recommended in the righties account, and liberal videos are more recommended in the lefties account. Additionally, most of the videos recommended in the righties/lefties account dealt with politically biased topics, and the topics covered in each account showed markedly definitive differences. And about 77% of the respondents showed selective exposure.

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.