메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김재식 (서강대학교) 김범수 (서강대학교)
저널정보
한국경영과학회 경영과학 經營科學 第41卷 第1號
발행연도
2024.3
수록면
23 - 37 (15page)
DOI
10.7737/KMSR.2024.41.1.023

이용수

DBpia Top 5%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This study proposes a new personalized recommendation system by combining collaborative filtering model with machine learning algorithms from the Random Forest and K-means clustering methods. It presents a solution to the traditional issues of collaborative filtering such as data sparsity, cold start problem, increased computational complexity, and difficulties in applying big data. We reduce the dimension of the data-matrix greatly, by first utilizing methods from the Random Forest model to predict user preferences for product categories, and in turn using these predictions as a basis for forming groups of users with similar preferences through k-means clustering. We demonstrate the practical applicability and effectiveness of the recommendation system with real-world big data from an actual e-commerce company. With our proposed method we were able to create a user specific recommendation system based on the entire dataset of over 7 million transactions with 214,638 unique items, all the while greatly improving computational efficiency by only using 221MB of memory. The results of our study suggest that our proposed collaborative filtering approach combined with machine learning algorithms offers a different perspective in the development of collaborative filtering based recommendation systems, providing new groundwork for future research.
#Personalized Recommendation System #Big-Data Application #Machine Learning Algorithms #Collaborative Filtering #e-Commerce

목차

Abstract
1. 서론
2. 이론적 배경
3. 연구의 방법
4. 연구 결과
5. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

이 논문과 함께 이용한 논문

성별에 따른 여가몰입척도의 다집단 분석 및 잠재평균분석
김영재 한국사회체육학회지 2010 .11
프로골프선수의 성별에 따른 스포츠목표성향 척도의 잠재평균분석
이준우 ,  안길영 ,  정희정 한국체육과학회지 2011 .02
콘텐츠 특성에 따른 개인화 추천서비스 플랫폼에 대한 사용자 인식 연구
배현진 ,  이상우 한국방송학보 2020 .05
개인화 서비스 진전에 따른 자동추천 시스템 연구 동향과 방법론적 특성 연구
황용석 ,  김기태 사이버커뮤니케이션학보 2019 .06
추천 시스템 기법 연구동향 분석
손지은 ,  김성범 ,  김현중 외 1명 대한산업공학회지 2015 .04

최근 본 자료

전체보기

댓글(0)

0