Research meeting
This presentation is the property of its rightful owner.
Sponsored Links
1 / 20

Research Meeting PowerPoint PPT Presentation


  • 68 Views
  • Uploaded on
  • Presentation posted in: General

Research Meeting. 2009-03-27 Jaeseok Myung. Summary. ADB Project Project 1 문법 정의 및 구현을 통한 검증 완료 Project 1 문서 작성 완료 (Give out, 4/6) Project 2 트리플 데이터 준비 (16 million, about 1GB) Project 2 데이터 배포 방안 구상 중 ( 별도 서버 ) PicAChoo 영문교정 제출 (3/31). Research. Public Info. -> Public Opinion

Download Presentation

Research Meeting

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Research meeting

Research Meeting

2009-03-27

JaeseokMyung


Summary

Summary

  • ADB Project

    • Project 1 문법 정의 및구현을 통한 검증 완료

    • Project 1 문서 작성 완료 (Give out, 4/6)

    • Project 2 트리플 데이터 준비 (16 million, about 1GB)

    • Project 2 데이터 배포 방안 구상 중 (별도 서버)

  • PicAChoo

    • 영문교정

    • 제출 (3/31)

Center for E-Business Technology


Research

Research

  • Public Info. -> Public Opinion

    • 정책, 증권등의 예

    • 뉴스,소문 등이 얼마나 해당 정책 및 증권에 영향을 미치는가

    • Uncertainty

      • 얼마나 public한 information인가 (소스에 따라, param.)

      • 얼마나 믿을만한 information인가 (소스에 따라, param.)

      • 얼마나 opinion에 영향을 미칠만한 information인가 (output)

    • Time-Series

      • 해당 information이 실제 어떤 영향을 미쳤는가

      • 피드백

  • 상품 특징에 대한 사용자 의견을 이용한 추천 시스템

Center for E-Business Technology


Research meeting

상품 특징에 대한 사용자 의견을 이용한 추천 시스템

A Recommendation System Considering Users’ Opinions on Product Features

Proposal for KCC 2009

2009-03-27

JaeseokMyung


Motivation

Motivation

  • 온라인 쇼핑이 대중화 되었음

  • 웹 2.0에 발맞추어 사용자의 의견도 적극적으로 수집되고 있음

    • 구매, 방문, ..

    • 별점, 리뷰, ..

  • 사용자의 의견은 상품의 특징별로 세분화될 수 있음

    • 오피니언마이닝 연구들은 특징별별점을 추측하고 있음

  • 상품 특징에 대한 사용자 평가는 다양한 응용에 사용 가능

    • 회사에게는 상품의 피드백 자료, 고객에게는 구매선택 기초자료

    • 쇼핑몰 입장에서는 추천 시스템 구현에 사용되고 있음

  • 연구의 목적은 온라인 쇼핑몰에서 상품 특징에 대한 사용자의 의견을 이용한 추천 시스템을 설계 및 구현하는 것

Center for E-Business Technology


Research meeting

상품 특징에 대한 사용자의 의견

사용자의 의견을 이용하는 전통적인 시스템

  • 상품 자체에 대한 의견

상품 특징별 평가를 고려한 추천 시스템

상품 자체에 대한 의견을 세분화

상품 특징 별 극성 고려

세분화된 분석을 지원

Center for E-Business Technology


Research meeting

상품 특징에 대한 의견을 이용한 추천 시스템

Product Feature

( (Comedy, Action), (Asia, America), …)

Customer Profile

( (1, 0), (1, 0), …)

Similarity Analysis

Recommendation

Customer Profile

Product Profile

( (0.7365, 0.3261), (0.43, 0.21), …)

Similarity Analysis

Euclidean Distance

Purchase Log

Recommendation

  • Sung-Shun Weng, Mei-Ju Liu, Feature-based recommendations for one-to-one marketing, Expert Systems with Applications,Volume 26, Issue 4, May 2004, Pages 493-508

Center for E-Business Technology


Research meeting

비슷한 사용자 찾기

Active User

세분화된 유사도 함수 가능

보다 비슷한 이웃 찾기

애매한 랭킹 완화

Center for E-Business Technology


Research meeting

온라인 쇼핑에서 추천 시스템의 제약 사항

  • 어떤 상품의 경우에는, 반복적 구매를 활용하는 것이 어려움

Center for E-Business Technology


Research meeting

협업적 필터링 시스템과 제안 시스템

(price, delivery)

(brand,color)

(brand,color)

(brand,price)

Center for E-Business Technology


Research meeting

제안 시스템 특징

  • 세분화된 분석 지원

    • 하이브리드(User + Item)CF

  • 의견의 극성을 활용

    • Positive & Negative를 모두 활용

Center for E-Business Technology


Research meeting

Center for E-Business Technology


Research meeting

상품 특징별 의견을 이용하는 추천 모델

  • Symbols (C, P, F, D, U, O_P, O_F, …)

  • SIM_U(u1, u2) = α*SIM_P(u1, u2) + (1-α)*SIM_PF(u1, u2)

    • Type 1 : 비슷한 유저의 타겟 상품

    • Type 2 : 비슷한 유저의 타겟 상품과 비슷한 상품

    • Type 3 : 비슷한 유저의 타겟 상품과 연관된 상품

연관상품

Center for E-Business Technology


Research meeting

상품 특징에 대한 사용자 의견 수집

  • 구매정보, 별점

  • 상품 특징에 대한 의견은 리뷰, 블로그등에서 추출

    • Sentiment Analysis

Review, Blog

Center for E-Business Technology


Research meeting

비슷한 사용자 찾기

  • SIM_U(u1, u2) = α*SIM_P(u1, u2) + (1-α)*SIM_PF(u1, u2)

    • U1_P = (0.9, -0.7), U1_PF = (0.7, 0.9, -0.6, -0.7)

    • U2_P = (0.9, -0.5), U2_PF = (0.7, 0.7, -0.6, -0.5)

    • Euclidean Distance

    • Clustering (SVM, BN)

(price, delivery)

(brand,color)

(brand,color)

(brand,price)

Center for E-Business Technology


Research meeting

추천 모델1

(price, delivery)

(brand,color)

(brand,color)

(brand,price)

Center for E-Business Technology


Research meeting

추천 모델2

(price, delivery)

(brand,color)

(brand,color)

(brand,price)

Center for E-Business Technology


Research meeting

추천 모델3

(price, delivery)

(brand,color)

(brand,color)

(brand,price)

연관상품

Center for E-Business Technology


Research meeting

실험

  • CF 10000개 vs. 100X100개

Center for E-Business Technology


Research meeting

논점

  • iKnow의 확장판? 활용?

    • 상품 특징 및 사용자 평가 이용

    • 이를 활용한 추천 시스템

  • 내부 알고리즘

    • 사용자간 유사도 측정

    • 추천 시스템 타입

  • 실험 및 기여도

  • KCC?

Center for E-Business Technology


  • Login