전자상거래에서 고객 행동 정보와 구매 기록을 활용한딥러닝 기반 개인화 추천 시스템
Deep Learning-Based Personalized Recommendation Using Customer Behavior and Purchase History in E-Commerce
홍다영(고려대학교 의학통계학협동과정); 김가영(성균관대학교 인공지능학과); 김현희(동덕여자대학교)
11권 6호, 237~244쪽
초록
본 논문은 고객의 온라인 행동 정보와 구매 기록을 활용하여 기존의 추천 시스템이 갖는 데이터 희소성의 문제와 콜드 스타트 문제를 해결하고자VAE 기반 추천 시스템을 제시하였다. 고객의 구매 기록을 임베딩하고 차원 축소하여 단일 변수로 생성하였으며, 온라인 행동 정보를 활용하여학습을 통해 고객의 잠재 요인을 추출하는데 Variational Autoencoders를 적용하였다. VAE 기반 추천 시스템은 총 12개의 고객의 특성 변수에VAE를 적용하여 저차원의 벡터를 생성한 뒤 이를 통해 유사 사용자를 찾은 다음, 유사 사용자들이 구매했던 상품들을 고객에게 추천한다. 이렇게추천한 상품들의 점수를 매겨 nDCG로 성능을 평가하였다. 실험 결과 구매 기록 변수 그리고 온라인 행동 로그 변수를 활용한 VAE 기반의 추천시스템이 SVD 기반의 추천 시스템보다 성능이 좋다는 것을 알 수 있었다. 따라서 고객의 온라인 행동 로그 및 구매 기록을 사용하여 상품을 추천하면정보 수집에 발생하는 비용과 시간을 줄일 수 있을 뿐만이 아니라 기존 추천 시스템보다 더욱 효율적으로 상품을 추천할 수 있다는 것을 보여주었다.
Abstract
In this paper, we present VAE-based recommendation using online behavior log and purchase history to overcome data sparsity andcold start. To generate a variable for customers' purchase history, embedding and dimensionality reduction are applied to the customers'purchase history. Also, Variational Autoencoders are applied to online behavior and purchase history. A total number of 12 variablesare used, and nDCG is chosen for performance evaluation. Our experimental results showed that the proposed VAE-based recommendationoutperforms SVD-based recommendation. Also, the generated purchase history variable improves the recommendation performance.
- 발행기관:
- 한국정보처리학회
- 분류:
- 컴퓨터학