Journal of Intelligence and Information Systems (지능정보연구)

Korea Intelligent Information System Society (한국지능정보시스템학회)
권호 표지

Social Network Analysis for New Product Recommendation

신상품 추천을 위한 사회연결망분석의 활용

  • Cho, Yoon-Ho (School of Business Administration, Kookmin University) ;
  • Bang, Joung-Hae (School of Business Administration, Kookmin University)
  • Received : 2009.12.05
  • Accepted : 2009.12.18
  • Published : 2009.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

Collaborative Filtering is one of the most used recommender systems. However, basically it cannot be used to recommend new products to customers because it finds products only based on the purchasing history of each customer. In order to cope with this shortcoming, many researchers have proposed the hybrid recommender system, which is a combination of collaborative filtering and content-based filtering. Content-based filtering recommends the products whose attributes are similar to those of the products that the target customers prefer. However, the hybrid method is used only for the limited categories of products such as music and movie, which are the products whose attributes are easily extracted. Therefore it is essential to find a more effective approach to recommend to customers new products in any category. In this study, we propose a new recommendation method which applies centrality concept widely used to analyze the relational and structural characteristics in social network analysis. The new products are recommended to the customers who are highly likely to buy the products, based on the analysis of the relationships among products by using centrality. The recommendation process consists of following four steps; purchase similarity analysis, product network construction, centrality analysis, and new product recommendation. In order to evaluate the performance of this proposed method, sales data from H department store, one of the well.known department stores in Korea, is used.

추천시스템에서 가장 많이 활용되고 있는 협업필터링은 고객들의 과거 구매이력을 기반으로 추천하기 때문에 새로이 출시되는 상품을 추천하는 것이 근본적으로 불가능하다. 이와 같은 협업필터링의 한계점을 극복하기 위하여 많은 연구자들은 추천 대상 고객이 선호하는 상품과 유사한 속성을 가진 상품을 추천하는 내용기반 필터링을 협업필터링과 결합한 하이브리드 추천기법을 제시하였다. 그러나 하이브리드 추천기법은 음악, 영화 등 속성 추출이 용이한 일부 상품의 추천에만 활용될 수 있다는 한계가 있다. 따라서 상품 유형에 관계없이 고객에게 신상품을 효과적으로 추천할 수 있는 새로운 접근방법이 제시될 필요가 있다. 본 연구에서는 사회연결망분석에서 관계 및 구조적 특성을 분석하기 위해 널리 활용 되고 있는 중심성 개념을 적용하여 상품간의 구매 관계를 파악한 후 이를 기반으로 신상품을 구매할 가능성이 높은 고객을 찾아 신상품을 추천방법을 제안한다. 추천 프로세스는 구매 유사도 분석, 상품 네트워크 구성, 중심성 분석, 신상품 추천 등 네 단계 절차로 나뉘어진다. 제시한 추천방법의 성능을 평가하기 위하여 국내 유명 백화점 중의 하나인 H백화점의 구매 데이터를 사용하여 실험하였다.

Keywords

References

  1. 김용학, 사회연결망 분석, 박영사, 2003.
  2. 김재경, 조윤호, 김승태, 김혜경, "모바일 전자상거래 환경에 적합한 개인화된 추천시스템", 경영정보학연구, 15권 3호(2005), 223-241.
  3. 박종학, 조윤호, 김재경, "사회연결망 : 신규고객 추천문제의 새로운 접근법", 지능정보연구, 15권 1호(2009), 123-140.
  4. 손동원, 사회 네트워크 분석, 경문사, 2002.
  5. 윤성준, "데이터마이닝 기법을 통한 백화점의 고객이탈예측 모형 연구", 한국마케팅저널, 6권 4호(2005), 45-72.
  6. 조윤호, 박수경, 안도현, 김재경, "재구성된 제품 계층도를 이용한 협업 추천 방법론 및 그 평가", 한국경영과학회지, 29권 2호(2004), 61-77.
  7. 최창현, "조직의 비공식 연결망에 관한 연구: 사회 연결망 분석의 적용", 한국사회와행정연구, 17권 1호(2006), 1-23.
  8. 허명회, 이용구, 데이터마이닝 모델링과 사례(제2판), 한나래출판사, 2008.
  9. Adomavicius, G. and A. Tuzhilin, "Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions", IEEE Transactions on Knowledge and Data Engineering, Vol.17, No.6(2005), 734-749. https://doi.org/10.1109/TKDE.2005.99
  10. Albert, R. and A. L. Barabasi, "Statistical mechanics of complex networks", Review of Modern Physics, Vol.74(2002), 47-97. https://doi.org/10.1103/RevModPhys.74.47
  11. Barnes, J., "Class and committees in a Norwegian island parish", Human Relations, Vol.7(1954), 39-58. https://doi.org/10.1177/001872675400700102
  12. Bonacich, P., "Power and Centrality : A Family of Measures", American Journal of Sociology 92, 1987, 1170-1182. https://doi.org/10.1086/228631
  13. Celma, O., M. Ramirez, and P. Herrera, "Foafing the music : A music recommendation system based on RSS feeds and user preferences", ISMIR, 2005, 464-457.
  14. Cho, Y. H. and J. K. Kim, "Application of Web usage mining and product taxonomy to collaborative recommendations in e-commerce", Expert Systems with Applications, Vol.26, No.3(2004), 234-246.
  15. Huang, Z., H. Chen, and D. Zeng, "Applying Associative Retrieval Techniques to Alleviate the Sparsity Problem in Collaborative Filtering", ACM Transactions on Information Systems, Vol.22, No.1(2004), 116-142. https://doi.org/10.1145/963770.963775
  16. Jang, M. K., J. K. Kim, H. K. Kim, and Y. H. Cho, "A New Item Recommendation Procedure Using Preference Boundary", APJIS, Vol.19, No.4(2009).
  17. Jian, C. and Y. Jian, H. Jin, "Recommendation of New Items Based on Indexing Techniques", Proceedings of the Third International Conference on Machine Learning and Cybernetics, 2004, 1168-1172.
  18. Kauffiman, S., The Origins of Order, Oxford University Press, 1993.
  19. Kim, C. Y., J. K. Lee, Y. H. Cho, and D. H. Kim, "VISCORS : A Visual‐Content Recommender for the Mobile Web", IEEE Intelligent Systems, Vol.19, No.6(2004), 32-39. https://doi.org/10.1109/MIS.2004.75
  20. Kim, D. and B. J. Yum, "Collabrative Filtering based on Iterative Principal Component Analysis", Expert System with Applications, Vol.28(2005), 823-830. https://doi.org/10.1016/j.eswa.2004.12.037
  21. Kim, J. K., Y. H. Cho, M. Y. Kang, and H. K. Kim, "A Hybrid Multimedia Contents Recommendation Procedure for a New Item Problem in M‐commerce", Journal of Korea Intelligent Information Systems Society, Vol.12, No.2(2006), 1-15.
  22. Melville, P., R. J. Mooney, and R. Nagarajan, "Content-boosted Collaborative Filtering", Proceeding SIGIR 2001 Workshop on Recommender Systems, 2001.
  23. Park, S. T., D. Pennock, O. Madani, N. Good, and D. DeCoste, "Naive Filterbots for Robust Cold-Start Recommendations", KDD, 2006.
  24. Sarwar, B., G. Karypis, J. A. Konstan, and J. Riedl, "Analysis of recommendation algorithms for e-commerce", Proceedings of ACM E-commerce 2000 conference, 2000, 158-167.
  25. Schein, A. I., A. Popescul, D. M. Pennock, and L. H. Ungar, "Methods and Metrics for Cold-Start Recommendations", SIGIR, 2002.
  26. Wasserman, S., Social network analysis : methods and applications, Cambridge University Press, 1994.