전자상거래 추천시스템에 관한 동향분석- 제 3 장 추천시스템의 연구 및 적용사례

제 5절 Mobile 환경에 대한 추천시스템에 관한 연구들

 

최근 핸드폰 및 PDA, 와이브로등의 무선 통신 기술의 급속한 발전으로 무선 인터넷 서비스가 큰 폭으로 증가하고 있다. 그와 더불어 모바일 전자상거래 규모 또한 크게 증가하고 있다. 이러한 배경으로 모바일 추천시스템에 관한 다양한 연구활동들이 진행되고 있다. 그리고 모바일 추천시스템에서 가장 중요한 상품은 바로 벨소리나 MP3, 모바일 게임, 저 용량 영화 등의 컨텐츠이다. 여기서는 컨텐츠 추천을 위한 모바일 추천시스템에 대한 연구들 중 몇 가지의 사례를 살펴보고자 한다.

 

1. 모바일 전자상거래 환경에 적합한 개인화된 추천시스템[3]

 

김재경외는 모바일 고객이 보다 적은 노력과 비용으로 자신이 원하는 멀티미디어 콘텐츠를 찾을 수 있도록 지원하는 개인화된 추천시스템 MOBICORS-Movie(MOBIle Contents Recommender System-Movie)을 제안했다[3]. MOBICORS-Movie는 다양한 모바일 멀티미디어 콘텐츠 중에서 스트리밍 방식의 영화를 추천하는 시스템으로 협업필터링과 적합성 피드백을 이용한 내용기반 정보검색을 모바일 웹 환경에 맞게 결합했다.

MOBICORS-Movie는 고객이 원하는 영화만을 추천하기 위하여, 협업필터링을 이용하여 초기 CF추천목록을 생성하고 내용기반 정보검색(CBIR: Content Based Information Retrieval)으로 고객이 선호하는 내용 속성을 포함한 영화를 검색하며 적합성 피드백을 통해 고객이 선호하는 내용 속성을 실시간으로 학습한다. <그림20>에서 MOBICORS-Movie는 CF에이전트, CBIR에이전트, RF 에이전트의 세가지 에이전트로 구성되어 있다. 각 에이전트의 역할을 살펴보면, CF에이전트는 추천 대상 고객과 유사한 성향을 가진 고객들의 선호도를 분석하고 초기 CF 추천목록을 생성한다. CBIR에이전트는 고객의 내용 속성 선호도를 나타내는 질의와 유사한 영화를 검색한 후 검색된 영화들을 RF 에이전트에 전달한다. RF 에이전트는 CBIR에이전트에 의해 검색된 영화들을 한 화면에 하나씩 순차적으로 추천 대상 고객에게 보여준다. 저자는 MOBICORS-Movie의 성능을 다양한 관점으로 분석하기 위해 시뮬레이션을 실시하였다. 자세한 실험방법은 [3]을 참조하기 바란다.

제안된 연구에서 저자는 추천 시스템 MOBICORS-Movie을 통해 인터페이스가 불편한 모바일 웹 환경과 불확실한 고객 선호도를 고려하여, 모바일 웹 서비스를 이용하는 고객이 보다 적은 노력과 비용으로 자신이 원하는 컨텐츠를 찾을 수 있도록 지원하고자 하였다. 그리고 협업 필터링의 한계점인 데이터의 희박성을 보완하기 위해 적합성피드백을 이용한 내용기반 정보검색을 모바일 웹 환경에 맞게 응용하여 결합했다. 향후 모바일 서비스에서 응용할 수 있는 멀티미디어 추천에 사용될 수 있는 기반 시스템이 될 것으로 기대된다[3]. 하지만 MOBICORS-Movie내의 모든 영화들은 영화의 내용을 대표하는 키워드의 집합으로 표현 되는데 영화는 영상과 음향으로 구성되어 있어 키워드만으로 영화의 모든 것을 표현 하는데 한계가 있다. 향후 영상과 음향 자체의 속성을 이용하여 검색을 수행하는, 내용기반의 멀티미디어 검색을 추천시스템에 활용할 필요가 있다. 또한 시간의 변화에 따른 고객 선호도 변화를 고려하지 않았다. 즉 일년 전에 구매한 영화나 지금 구매한 영화가 같은 선호도로 가중치를 부여해 고객의 선호도 변화에 따른 예측이 미흡했다.

2. 그 외 모바일 전자상거래 추천시스템에 대한 연구들

 

무선인터넷 서비스 중에서 최근 크게 주목을 받고 있는 분야 중 하나는 M-Commerce (모바일 전자상거래)이다. M-Commerce의 가장 큰 장점은 언제 어디서나 이동 중에 전자상거래를 할 수 있다는 점이다. 이러한 장점은 앞으로 M-Commerce가 더 크게 발전할 수 있는 이유가 된다. M-Commerce의 단점은 M-Commerce만을 위해 제작된 컨텐츠 제공의 한계, 사용량에 따라 증가하는 과금 체계, 무선 디바이스의 작은 화면과 메모리 용량 문제 등을 들 수 있다. 이러한 문제들을 해결하기 위한 연구[36]가 있다. 이은석외[36]는 M-Commerce의 단점을 부분적으로 해결하기 위한 통합 솔루션을 설계, 구현하고자 했다. 기존의 유선인터넷 상의 상품정보를 자동으로 수집 하고, 무선 인터넷용 정보로 자동으로 변환하고 제공하는 기능, 개인 적응화에 기반하여 모바일 디바이스로 전송하는 데이터 양과 내용, 구성을 조절하는 기능, 무선디바이스 상에서 오프라인으로 상품검색 및 주문, 결재 등을 할 수 있는 미들릿 어플리케이션을 제공 함으로 서 M-Commerce의 문제를 해결하고자 했다. 자세한 연구는 [36]을 참조하기 바란다. 휴대전화의 배경화면을 위한 캐릭터 이미지의 수요가 모바일 컨텐츠 시장에서 빠르게 성장하고 있다. 하지만 사용자들은 원하는 이미지를 검색하는 데 많은 어려움이 있고 이를 해결하기 위해 김덕환외[37]는 내용 기반이미지검색(CBIR: Content-Based Image Retrieval)에 협업 필터링기법을 적용하여 IQS-AutoGen (Initial Query Set)이라고 하는 새로운 방법을 제안하였다.

 

인터넷의 발달은 디지털 컨텐츠를 고부가 가치산업으로 변모시켰고 그 중 디지털 음악 관련산업은 지속적으로 성장할 것이며, 이러한 디지털 음악에 대한 추천시스템 연구도 활발한데, 김준태 외[38]는 사용자의 개인적 취향에 맞는 음악을 추천할 수 있는 음악추천 시스템을 개발하고자 했고, 그래프기반 협업필터링기법을 사용하여 각 음악 사이의 유사도를 그래프로 저장하고 관리함으로써 추천계산 시간이 사용자 수나 음악 수에 비례하여 늘어나지 않도록 했다. 또한 특정 사용자의 정적인 성향뿐만 아니라 동적인 성향에 맞는 추천도 수행할 수 있는 기능을 제공하도록 구현하고자 했다.

그리고 최근 P2P(Peer To Peer) 네트워크 기반의 음악 추천 시스템에 대한 연구도 진행이 되고 있다[39]. 대부분의 추천시스템은 Client-Server 환경에서 동작하는 시스템으로 Server에서 각 Client 정보들을 수집한 다음 이를 분석해 추천하기 때문에 사용자 수가 늘어날수록 Server에서의 연산 및 네트워크 부하가 증가될 수 밖에 없다. 그로 인해 방대한 상품에 대한 사용자의 선택권이 제한될 수밖에 없다. 이러한 이유로 최근에는 Client-Server 환경 대신 P2P구조에 대한 연구가 활발해 지고 있지만 P2P 또한 사용자수가 늘어날수록 공유되는 컨텐트 수 또한 방대해지기 때문에 보다 손쉬운 검색 및 구매의사결정을 위한 추천시스템에 대한 요구가 더욱 높아지고 있다. 원희재외[39]는 협업필터링기반의 P2P음악추천 시스템인 P2P-MRS(Music Recommendation System)를 제안하였다. <그림25>은 원희재외[39] 가 제안한 P2P-MRS에이전트 구조도 이다. P2P-MRS시스템은 음악 추천에 사용되는 추천알고리즘 모듈, peer프로파일관리자, 이웃peer 그룹생성/갱신, 장르별 음악선호도계산 등으로 구성된다. P2P-MRS 에이전트는 네트워크상에서 상호 연결된 각 peer 사용자의 컴퓨터에 내장되며, 모든 peer가 실시간으로 음악 선호 정보를 공유함으로써 다른 peer들로부터 음악을 추천 받을 수도 있고, 동시에 다른 peer 들에게 음악을 추천할 수도 있다. 원희재 외[39]는 제안된 시스템의 성능을 평가하기 위해 음악사이트 ‘소리바다’에서 2008년 1월 7일부터 2008년 4월 27일까지 16주 간의 124,765명의 실제 peer 사용자들의 199,067곡의 음원청취 및 유료다운로드 자료를 제공받아 다양한 실험을 통해 평가 하였다.

실험결과 제안추천시스템의 추천성능은 12주가 적절하고 사용자 프로파일을 구축할 때 사용자의 유료다운로드 기록 못지 않게 청취 기록도 아주 중요하고 프로파일을 구성하는 트랜잭션의 수가 7개 이웃 peer그룹의 크기가 20일 때 약 75%에 이르는 최적의 결과를 얻었다. 실험방법과 결과의 자세한 내용은 [39]를 참조하기 바란다. 이외에도 RFM기법을 이용한 연구[40], M-CRM을 이용한 음악추천 시스템연구[41]등 M-Commerce추천시스템에 대한 다양한 연구가 진행 중이다.