화장품 추천 사례에서 요인, 군집분석을 이용한 협업 필터링 추천 모델과 연관성 규칙 기법의 성능 비교 연구

A Study on Comparison Between Association Rule and Collaborative Filtering using The Factor and k-means Cluster Analysis in The Recommendation of Cosmetics

상품을 판매하는 모든 산업에서 추천시스템은 이제 가장 큰 화두 중 하나가 되었다. 현재 전 산업에 걸쳐 가장 많이 활용되고, 보편적인 추천 알고리즘이 바로 협업필터링(collaborative filtering)이다. 그러나 과거 많은 연구에서 지적되었듯, 협업 필터링은 다양한 문제점으로 인하여, 실제 기업에서 사용하기에는 많은 제약 조건 등이 따르는 것이 사실이다. 본 논문에서는 51개의 화장품 종류의 추천 판매(방문 판매) 사례에서, 기존의 협업 필터링이 가지고 있는 문제점 중 대량의 사용자들이 있는 경우 발생하는 확장성(scalability) 문제를 군집분석과 요인분석을 이용하여, 보완하고, 실제 일반적으로 대량의 사용자 추천 모델에서 사용되는 데이터 마이닝의 연관성 모델을 이용한 기법보다 성능이 뛰어남을 사례 데이터를 이용하여 제안한다.

Recommendation system is the big issue in the almost industries recently. And collaborative filtering method is the most common and useful algorithm in the recommendation system with association rule of data mining. But collaborative filtering has many problems and restrictions for applying the practical business and industries. the most important problem of them is the scalability issue that it needs many times to execute the collaborative filtering in the big data. In this paper, we suggest the improved collaborative filtering method using factor and cluster analysis for making up the issue of scalability. This paper show that the proposed method is superior to the association rule method using the big data set of Korean cosmetics company. and improved the performance of collaborative filtering calculation too.