전자상거래 추천시스템에 관한 동향분석- 2장 이론적배경

제 2 장 이론적 배경

 

제 1절 추천시스템

 

웹의 출현은 인터넷 업체들로 하여금 적은 비용으로 고객이 어떠한 제품이나 서비스 등을 선호하는지에 관한 정보를 얻고 이러한 정보를 바탕으로 고객에게 상품을 추천할 수 있게 되었고 이러한 것을 가능하게 하는 것이 추천 시스템이다.

 추천시스템은 통계적 기법과 지식 탐사기술을 이용하여 고객요구에 가장 적합한 상품을 추천해 주는 시스템으로서, 고객들의 편의를 도모하고 교차판매 및 매출증대에 초점을 맞춘 시스템이다[26].

추천시스템을 크게 3가지로 분류하면 내용기반 추천방식, 협업필터링 추천방식 그리고 하이브리드 추천방식으로 나누어 볼 수 있다.

 

제 2절 내용기반 추천 방법

 

내용기반 필터링(content-based filtering)기법은 정보검색과 정보여과연구에 뿌리를 두고있으며, 과거에 대상 고객이 선호했던 아이템과 가장 유사한 아이템을 찾아서 추천하는 방식이다. 즉, 상품과 상품사이(item to item)의 관계를 토대로 추천결과를 생성하는 방식이며, 무엇보다도 고객의 선호도와 상품의 특성을 어떻게 모델링 할 것인가가 이 기법의 성공을 결정짓는 핵심 요인이라 할 만큼 매우 중요하고 이러한 내용기반 추천기법의 가장 큰 장점은 상품자체를 모델링하는 기법이므로 직접적이고 단순하다[32]. 대부분의 내용기반 추천방법은 문서, 웹사이트(URLs), 유즈넷 뉴스 메시지와 같은 정보추천에 사용되고 있다.  내용기반 추천방법은 이용자의 항목에 대한 평가 정보 혹은 구매내역을 바탕으로, 미리 정의된 항목에 대한 특징들에 의해 이용자의 프로파일을 구성하며 생성된 프로파일과 유사한 특징들을 가진 항목을 추천하는 방식으로서 항목과 이용자의 정보 요구간의 유사도를 측정하고, 그 결과를 순위화 하여 보여주며 원칙적으로 과거에 이용자가 선호하는 항목과 유사한 것을 추천한다. 하지만, 내용기반추천 방법에는 몇 가지 한계점이 있는데, 우선 내용기반 추천방법은 추천을 위한 분석의 깊이가 얕을 수 밖에 없다(shallow analysis). 이유는 내용기반 추천 알고리즘을 적용하기 위해서는 추천의 대상이 되는 상품(item)에 대한 특성을 추출해야 하는데, 이것이 사실상 효과적으로 이루어지기 어렵기 때문이다.

또 다른 한계점은 내용기반접근법의 추천결과가 너무 과도하게 특정부분에 치우치게 된다는 점(overspecialization)이다. 이는 추천의 원리가 고객이 이전에 좋게 평가한 상품과 비슷한 상품군을 찾는 방식으로 이루어지기 때문에, 예전에 어떤 상품을 평가했었는가 하는 것에 추천 결과가 너무 의존하게 된다는 내용기반추천방식의 한계점을 의미한다. 이러한 내용기반 추천기법의 한계들로 현실적으로는 협업필터링이 더 활발하게 이용되고 있다[1, 28, 29, 30].