1 / 20

Research Meeting

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

kaia
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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Research Meeting 2009-03-27 JaeseokMyung

  2. 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

  3. 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

  4. 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

  5. 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

  6. 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

  7. 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

  8. 비슷한 사용자 찾기 Active User 세분화된 유사도 함수 가능 보다 비슷한 이웃 찾기 애매한 랭킹 완화 Center for E-Business Technology

  9. 온라인 쇼핑에서 추천 시스템의 제약 사항 • 어떤 상품의 경우에는, 반복적 구매를 활용하는 것이 어려움 Center for E-Business Technology

  10. 협업적 필터링 시스템과 제안 시스템 (price, delivery) (brand,color) (brand,color) (brand,price) Center for E-Business Technology

  11. 제안 시스템 특징 • 세분화된 분석 지원 • 하이브리드(User + Item)CF • 의견의 극성을 활용 • Positive & Negative를 모두 활용 Center for E-Business Technology

  12. Center for E-Business Technology

  13. 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

  14. 상품 특징에 대한 사용자 의견 수집 • 구매정보, 별점 • 상품 특징에 대한 의견은 리뷰, 블로그등에서 추출 • Sentiment Analysis Review, Blog Center for E-Business Technology

  15. 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

  16. 추천 모델1 (price, delivery) (brand,color) (brand,color) (brand,price) Center for E-Business Technology

  17. 추천 모델2 (price, delivery) (brand,color) (brand,color) (brand,price) Center for E-Business Technology

  18. 추천 모델3 (price, delivery) (brand,color) (brand,color) (brand,price) 연관상품 Center for E-Business Technology

  19. 실험 • CF 10000개 vs. 100X100개 Center for E-Business Technology

  20. 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

More Related