KR20160004615A - 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템 - Google Patents
주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템 Download PDFInfo
- Publication number
- KR20160004615A KR20160004615A KR1020140083160A KR20140083160A KR20160004615A KR 20160004615 A KR20160004615 A KR 20160004615A KR 1020140083160 A KR1020140083160 A KR 1020140083160A KR 20140083160 A KR20140083160 A KR 20140083160A KR 20160004615 A KR20160004615 A KR 20160004615A
- Authority
- KR
- South Korea
- Prior art keywords
- product
- fuzzy
- satisfaction
- user
- integral
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 사용자 개인의 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템에 관한 것으로, 더욱 구체적으로는 사용자 선호도를 고려한 상품 만족도를 추론하기 위해서 사용자의 선호도에 대한 상대적 중요도를 AHP(Analytic Hierarchy Process)기법을 이용하여 산출하고, 상품에 대한 만족도의 평가치는 퍼지적분(Fuzzy Integral)을 적용하여 산출함으로써, 사용자의 주관적인 성향이 반영된 상품 만족도를 추론할 수 있고, 나아가 추론된 상품 만족도에 따라 사용자의 주관적인 성향이 반영된 상품을 추천할 수 있는 시스템에 관한 것이다.
Description
본 발명은 사용자 개인의 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템에 관한 것이다.
더욱 구체적으로는, 사용자 선호도를 고려한 상품 만족도를 추론하기 위해서 사용자의 선호도에 대한 상대적 중요도를 AHP(Analytic Hierarchy Process)기법을 이용하여 산출하고, 상품에 대한 만족도의 평가치는 퍼지적분(Fuzzy Integral)을 적용하여 산출함으로써, 사용자의 주관적인 성향이 반영된 상품 만족도를 추론할 수 있고, 나아가 추론된 상품 만족도에 따라 사용자의 주관적인 성향이 반영된 상품을 추천할 수 있는 시스템에 관한 것이다.
최근, 새로운 방식의 상거래인 소셜커머스가 급성장하는 추세이며, 특히 SNS가 널리 보급되면서 일정 수 이상의 구매자가 모이면 할인혜택을 받을 수 있는 공동구매형 소셜커머스가 많이 사용되고 있다.
이러한 소셜커머스는 유사한 카테고리 또는 동일 검색 카테고리에 속하는 상품의 종류가 방대하기 때문에 소비자 스스로 가격과 할인율 등을 종합적으로 고려하여 상품을 선택하기 어려우며, 오히려 상품의 개수와 종류가 다양해짐에 따라 소비자 본인의 주관적인 의사가 반영된 상품을 선택하지 못하고 있는 문제점이 있다.
즉, 종류 범위가 방대한 상품들 중에 소비자가의 주관적인 성향이 반영된 상품을 선택하려면, 소정의 기준으로 정해진 요소에 따른 상품 만족도를 추론하고 상품을 추천할 수 있어야 한다.
이와 관련된 기술로써, 공개특허공보 제10-2002-0038446호에는 인터넷상에서 상품만족도에 의한 상품정보검색 시스템 및 방법이 기재되어 있다.
위에 기재된 기술은, 구매자의 구매조건에 맞는 상품을 찾는데 까지 소요되는 노력과 시간을 절감하고자하는 목적을 갖는 기술로써, 판매자가 입력한 상품정보를 저장해 놓은 상품정보 데이터베이스와 구매자가 입력한 구매조건을 저장해 놓은 구매조건 데이터베이스를 비교하여 상품만족도라는 정보를 산출하고, 이에 따라 상품정보를 검색하여 사용자에게 제공할 수 있다.
그러나 위에 기재된 기술은, 단순히 구매자의 구매정보와 판매자의 상품정보를 비교하여 적합한 상품이 검색되도록 하는 것으로써, 구매자가 상품정보를 검색하여 제공받기 위해 구매정보를 입력할 때, 구매자의 의사결정에서 발생되는 언어의 모호함을 해소할 수 없기 때문에 구매자의 주관적인 성향이 반영된 상품정보를 제공받는다고 볼 수 없다.
예를 들어, 구매정보를 입력하는 경우, 구매자가 A와 B에 대한 요소를 선택할 수 있다고 가정하는 경우, 구매자의 선택은 인간의 행동이기 때문에 '확실하게 A' 또는 '확실하게 B'를 선택한다는 것은 불가능하며, 가령 'A'를 선택한다고 하더라도 'B'에 대한 중요도의 불확실한 모호함이 존재할 수밖에 없다.
즉, 위에 기재된 기술은 상품의 개수와 종류가 다양한 소셜커머스 상에서 소비자가 본인의 주관적인 의사가 반영된 상품을 선택하지 못한다는 문제점을 여전히 해소할 수 없는 것이다.
한편, 위의 문제점을 해소하기 위한 기술로써, 퍼지 추론을 통해 규칙 기반의 보험상품 추천 및 설계 시스템 구현이 한국전자거래학회지에 게재되어 있는데, 이는 보험 상품을 제공하기 위하여 퍼지 추론을 통해 규칙을 설정하고, 델파이 기법을 통해 평가항목 간의 상대적 중요도를 계산하도록 한다.
이에 대해 AHP기법을 개방한 미국의 토마스 사티 교수는 AHP기법과 델파이기법을 비교하면서, AHP와 같은 계층화된 기법이 인간의 인식유형에 더 적합하다고 설명하고 있으며, 유사 분야에서도 AHP기법을 주로 적용하고 있는 것으로 알려져 있다(신재생에너지 사업성 평가를 위한 지표선정에 관한 연구(포스코경영연구소, 장기윤, 2010. 06.)).
이에 따라 본 발명자는 위의 문제점을 해소할 수 있는 방안으로, AHP기법 및 퍼지이론을 적용하여 소비자의 상품 만족도를 추론하고, 나아가 추론된 상품 만족도에 따라서 상품을 추천할 수 있는 시스템을 개발하고자 한다.
즉, AHP기법과 퍼지이론을 적용하여 다양한 선택을 할 수 있고 그 과정에서 모호함을 발생하는 인간의 의사결정을 통해 상품 만족도를 추론하고, 상품을 추천할 수 있는 시스템을 제공하되, AHP기법을 통해 사용자 선호도에 대한 상대적 중요도를 산출할 수 있고, 상품 정보에 대한 평가치를 퍼지 적분을 적용하여 수행함으로써, 소비자의 주관적 성향이 반영된 상품 만족도를 추론할 수 있는 기술의 개발이 요구된다.
비특허문헌 1 : 박지수, 정석재, 이영훈, 김경섭. 퍼지 추론을 통해 규칙 기반의 보험상품 추천 및 설계 시스템 구현. 한국전자거래학회지 제12권 제1호, 2007.2.:99-122 (24 pages)
비특허문헌 2 : 장기윤. 신재생에너지 사업성 평가를 위한 지표선정에 관한 연구. 포스코경영연구소, 2010.06.:116-139
위와 같은 과제를 해결하기 위하여 안출된 것으로, 본 발명에서 해결하고자 하는 과제는, 수집된 컨텍스트에 따라 사용자의 선호도에 대한 쌍대비교를 수행하고, 수행되어 산출된 쌍대비교 값을 AHP로 분석하여 중요도를 산출하고, 산출된 중요도에 대한 퍼지측도와 상품정보에 퍼지 적분을 적용하여 상품 만족도를 추론할 수 있는, 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템을 제공하는 데 있다.
본 발명의 다른 목적은, 추론된 상품 만족도에 따라 사용자에게 상품을 추천할 수 있는, 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템을 제공하는 데 있다.
위와 같은 과제를 해결하기 위한 본 발명에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템은, 사용자의 컨텍스트를 수집하는 컨텍스트 수집부(11); 수집된 컨텍스트에 따라 사용자의 선호도에 대한 쌍대비교를 수행하고, 수행된 쌍대비교 값을 AHP(Analytic Hierarchy Process)로 분석하여 중요도를 산출하는 AHP 분석부(12); 산출된 중요도에 따라 퍼지 측도(fuzzy measure)를 산출하는 퍼지 측도 산출부(13); 산출된 퍼지 측도와 상품정보를 퍼지 적분(fuzzy integral)에 적용하여 적분값을 산출하는 퍼지 적분부(15);를 포함하여 사용자의 선호도에 대한 상품 만족도를 추론하는 것을 기술적 특징으로 한다.
본 발명에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템은, 획득할 수 있는 상황정보를 사용자의 선호도로 하여 정량적으로 분석하고, 이를 이용하여 사용자의 주관적인 성향이 반영된 상품 만족도를 추론함으로써, 사용자의 의사결정에서 발생하는 모호함을 최소화시켜 사용자의 주관이 반영된 상품을 추천할 수 있는 현저한 효과를 보유한다.
도 1은 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템의 상품 만족도 평가 기준에 있어서 상대적 중요도의 도출을 위한 AHP 계층도를 나타낸 도면이다.
도 2는 집합 X에 대한 쇼케 적분을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템의 주요 구성을 개략적으로 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템에서 상품 만족도를 추론하기 위한 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템에서 상품정보에 따라 산출된 상품별 퍼지 적분값을 나타낸 도면이다.
도 2는 집합 X에 대한 쇼케 적분을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템의 주요 구성을 개략적으로 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템에서 상품 만족도를 추론하기 위한 과정을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템에서 상품정보에 따라 산출된 상품별 퍼지 적분값을 나타낸 도면이다.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 안 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.
따라서 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
이하, 도면을 참조하여 설명하기에 앞서, 본 발명의 요지를 드러내기 위해서 필요하지 않은 사항 즉 통상의 지식을 가진 당업자가 자명하게 부가할 수 있는 공지 구성에 대해서는 도시하지 않거나, 구체적으로 기술하지 않았음을 밝혀둔다.
본 발명은 사용자 개인의 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템에 관한 것으로, 사용자 선호도를 고려한 상품 만족도를 추론하기 위해서 사용자의 선호도에 대한 상대적 중요도를 AHP(Analytic Hierarchy Process)기법을 이용하여 산출하고, 상품에 대한 만족도의 평가치는 퍼지적분(Fuzzy Integral)을 적용하여 산출함으로써, 사용자의 주관적인 성향이 반영된 상품 만족도를 추론할 수 있고, 나아가 추론된 상품 만족도에 따라 사용자의 주관적인 성향이 반영된 상품을 추천할 수 있는 시스템에 관한 것이다.
본 발명의 내용을 상세히 설명하기에 앞서, 본 발명에서 사용하는 기술에 대하여 먼저 설명하고, 다음으로 이러한 기술을 이용한 본 발명의 구성을 설명한다.
AHP에 대하여 설명한다.
AHP(analytic hierarchy process)는 Saaty에 의해 개발된 다기준 의사결정모델(mult-criteria decision making model)로, 의사결정 프로세스를 체계적으로 분석하기 위한 것으로, 선택된 평가항목들 중 2개의 평가항목에 대해 쌍대비교(pairwise comparison)를 수행하는 것으로 전체 평가항목에 대해 쌍대비교를 수행하고, 평가항목들에 대한 상대적 중요도를 산출함으로써 합리적 결과를 도출하기 위한 모델이다.
특히, AHP는 정성적인 문제를 정량적인 방법으로 해석함으로, 의사결정을 체계적으로 수행하도록 지원하며, 복잡하고 불명확한 문제를 여러 계층으로 정리하고, 부분적인 관계는 쌍대비교(pairwise comparison)를 통해 각자의 중요성을 수치화된 척도로 평가함으로써, 의사결정자가 좀 더 정확한 의사 결정을 하도록 지원한다.
이러한 AHP를 본 발명에 적용하요 상대적 중요도를 도출하는 과정에서 필요한 AHP 계층도를 첨부된 도면의 도 1을 참조할 수 있다.
도 1은 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템의 상품 만족도 평가 기준에 있어서 상대적 중요도의 도출을 위한 AHP 계층도를 나타낸 도면이다.
더불어, 수치화된 척도에 따라 5점 척도, 9점 척도 등으로 구분할 수 있으며, 9점 척도인 경우, 아래의 표-1과 같이 정의될 수 있다.
중요도 | 정의 |
1 | 비슷함 |
3 | 약간 중요함 |
5 | 중요함 |
7 | 매우 중요함 |
9 | 극히 중요함 |
2, 4, 6, 8 | 정의된 값들의 중간값 |
이때, 쌍대비교행렬을 A라고 하고, A의 원소(평가항목)를 aij라고 할때, aij는 아래의 [수학식 1]을 이용하여 추정할 수 있다.
여기서, n은 한 계층 내에서 비교 대상이 되는 요소의 수이며, wi는 n개 요소의 상대적인 중요도를 나타낸다.
따라서 aij를 원소로 하는 행렬 A는 다음과 같이 나타낼 수 있다.
여기서, A는 쌍대비교행렬, aij는 쌍대비교행렬 A의 원소를 나타낸다.
또한, 행렬 A에 가중치 벡터 w=[w1, w2, w3, …, wn]을 적용하면 A·W=n·W라고 나타낼 수 있다.
여기서, n은 행렬 A의 고유값이며, W는 A의 고유벡터이다.
한편, 쌍대비교 행렬에서 응답자가 각 평가항목의 상대적 중요도에 일관된 응답을 하지 못할 경우, 쌍대비교 행렬의 정확성이 낮아지게 된다. 따라서 일관성지수(Consistency Index, CI)와 일관성 비율(Consistency Ratio, CR)을 이용하여 쌍대비교에 의한 중요도가 일관성을 갖는지 검증해야 한다.
일관성 지수(CI)와 일관성 비율(CR)은 아래의 [수학식 2] 및 [수학식 3]에 의하여 구할 수 있다.
여기에서, CI는 일관성 지수이며, λmax는 쌍대비교 행렬의 최대 고유값이고, n은 한 계층 내에서 비교 대상이 되는 요소의 수이다.
여기에서, CR은 일관성 비율이며, CI는 일관성 지수이고, RI는 무작위지수(Random Index, RI)이다.
이때, 일관성 지수(CI)는 응답자의 응답이 일관될수록 작은 값을 가지며, 비율이 0.1 이하이면 일관성이 있는 것으로 판단한다.
즉 본 발명에서는, 모바일 기기로부터 획득가능한 컨텍스트를 수집하여 각 컨텍스트에 대한 중요도를 AHP를 이용하여 분석함으로써, 컨텍스트의 상대적 중요도를 산출할 수 있도록 구성된다.
한편, 퍼지 이론(fuzzy theory)은 애매하고 불분명한 상황에서 여러 문제를 두뇌가 판단 결정하는 과정에 대하여 수학적으로 접근하려는 이론이다.
이는 1965년 미국 버클리대학교의 교수 L.A.자데(Zadeh)에 의해 도입된 퍼지 집합의 사고방식을 기초로 하고 있다.
퍼지 집합의 개념은 각 대상이 어떤 모임에 속한다 또는 속하지 않는다는 이진법 논리로부터, 각 대상이 그 모임에 속하는 정도를 소속함수(membership function)로 나타냄으로써 수학적으로 표현할 수 있다.
또한 퍼지 측도(Fuzzy Measure)는 일반집합 A에서 위치가 애매한 원소 a가 A의 부분집합 P에 속한다는 말의 애매한 정도를 나타냄으로써, a와 A의 관계를 수학적으로 표현하기 위한 것이다. 간략하게 정리하면, 여러 가지 경우의 수를 생각하여 그에 맞는 움직임을 지정한 것이라 할 수 있다.
본 발명에서는, 사용자 선호도와 상품정보 사이의 관계를 분석 및 분류하기 위해 상호작용계수 퍼지 측도(λ Fuzzy Measure)와 퍼지 적분(fuzzy integral)을 이용하여 사용자의 주관적 판단이 갖는 언어표현의 애매함을 정량적인 언어의 값으로 처리하여 추론하도록 구성된다.
퍼지 적분에 대해서 좀더 자세히 설명한다.
퍼지 적분을 적용하기 위해서는 퍼지 측도(Fuzzy Measure)가 산출되어야 하는데, 본 발명에서는 상호작용계수를 적용한 상호작용계수 퍼지 측도(λ Fuzzy Measure)가 적용될 수 있다.
상호작용계수 퍼지 측도는 수게노(Sugeno)에 의해 제안된 퍼지 측도로 주관적 척도의 평가 모델로 많이 응용되고 있으며, 일반적으로 아래의 [수학식 4]로 정의된다.
상호작용계수 퍼지 측도(λ Fuzzy Measure)는 λ(상호작용계수) 값에 따라 아래의 [수학식 5]와 같은 특징을 가지며, 주관적 척도의 모델로 응용되고 있다.
퍼지 적분은 퍼지 측도에 대한 적분 응용 방법으로, 본 발명에서 적용되는 퍼지 적분은 퍼지 적분 중에 하나인 쇼케 적분(Choquet Integral)을 이용하여 표현 언어와 평가자의 주관적 판단이 갖는 애매함을 정량적으로 처리하도록 구성될 수 있다.
쇼케 적분(Choquet Integral)은 프랑스의 수학자 쇼케(Choquet)가 용량(Capacity)에 관하여 정의한 범함수(Functional)로 아래의 [수학식 6]과 같이 정의된다.
여기에서, f는 X 위에서의 실수함수, g는 X 위에서의 퍼지 측도(Fuzzy Measure)를 나타낸다.
이하, 쇼케 적분(Choquet Integral)에 대해 상세히 설명한다.
집합 X={x1, x2, x3, x4}에 대하여, X위의 단함수(Simple Function) f가 아래의 [수학식 7]과 같이 주어지는 경우,
이를 첨부된 도면으로 나타내면 도 2와 같다.
도 2는 집합 X에 대한 쇼케 적분을 설명하기 위한 도면으로, 단함수 f의 퍼지척도 g에 관한 쇼케 적분(Choquet Integral)은 아래의 [수학식 8]과 같이 나타낼 수 있다.
여기서, A는 집합, i는 정수, g(A)는 집합 A에 대한 퍼지 측도이다.
즉, 도면에 보인 바와 같이, 쇼케 적분은 가법성(Additive)을 만족시키는 실수 함수 f값을 나타내는 세로축을 따라 적분하는 것을 의미한다.
본 발명에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템은 컨텍스트를 수집하며, 수집된 컨텍스트에 쌍대비교를 수행하며, 수행된 쌍대비교를 AHP로 분석하여 중요도를 산출하고, 산출된 중요도에 따라 퍼지 측도를 산출하며, 산출된 퍼지 측도와 상품정보를 퍼지 적분에 적용하여 사용자의 선호도에 대한 상품 만족도를 추론할 수 있다.
도 3은 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템의 주요 구성을 개략적으로 도시한 것으로, 상품 만족도 추론 시스템(10)은 컨텍스트 수집부(11), AHP 분석부(12), 퍼지 측도 산출부(13), 상품정보 저장부(14), 퍼지 적분부(15) 및 상품 만족도 추론부(16)을 포함할 수 있다.
도 4는 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템에서 상품 만족도를 추론하기 위한 과정을 나타낸 도면이다.
이하, 도 3 및 도 4에 도시된 구성에 따라 본 발명을 설명한다.
본 발명에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템은 모바일(도면에 미표시)에 설치되는 애플리케이션으로 구성될 수도 있으며, 모바일과 연결 접속되는 서버(도면에 미표시)로 구성될 수도 있다.
컨텍스트 수집부(11)는 획득 가능한 사용자의 선호도 정보 컨텍스트를 수집한다.
여기서, 컨텍스트는 모바일로부터 획득할 수 있다. 모바일은 스마트폰 및 태블릿 PC 등 사용자가 휴대하여 사용자와 같이 이동될 수 있는 모바일 기기를 의미한다.
이러한 모바일로부터 획득 가능한 컨텍스트는, ① 모바일, 웹 사이트로부터 수집된 컨텍스트 또는 ② 사용자의 입력 정보로부터 수집되는 컨텍스트일 수 있다.
일예로써, 모바일, 웹 사이트로부터 수집된 컨텍스트는 특정 상황에서 경험적으로 인지되는 것으로써, 사용자가 모바일을 통해 소셜커머스를 이용하는 경우, 해당 모바일에서 발생하는 이벤트를 경험적으로 인지하여 언어적인 컨텍스트로 수집할 수 있다.
설계 조건에 따라서는, 모바일에 구비된 GPS의 구성을 통해 사용자의 위치를 기반하여 사용자의 행동을 예측함으로써, 상품을 추천하도록 구성할 수도 있다.
예컨대, GPS 구성을 통해 사용자의 위치가 파악되는데, 이때 사용자의 위치 변동이 빠르게 이루어지되, 그 속력과 주기가 자동차로 이동하는 것과는 차이가 있을 때, 해당 사용자가 달리는 것으로 확인할 수 있다.
아울러, 이를 경험적으로 인지하기 위하여 해당 사용자의 위치 변동에 대한 정보를 지속적으로 관찰할 수 있고, 해당 사용자에게 달리기에 필요한 용품(운동화, 런닝화, 무릎 보호대 및 런닝복 등)이 추천되도록 구성할 수도 있다.
다른 일예로써, 사용자의 입력 정보로부터 수집되는 경우, 사용자가 선호하는 상품의 가격, 할인율, 구매자수 및 고객 만족도 등을 입력받는 것으로, 컨텍스트가 수집될 수 있다.
여기서, 가격은 상품의 할인된 금액(원가-할인가, 예를 들어 60%할인의 경우, 원가가 10,000이면 할인가는 4,000원, 할인된 금액은 6,000원)일 수 있다.
왜냐하면, 수집대상인 컨텍스트 중 가격을 제외한 할인율, 구매자수 및 고객 만족도는 값이 높을수록 선호도를 높이는 경향을 보이고, 가격은 낮을수록 선호도를 높이는 경향을 보이기 때문이다.
또한, 고객 만족도는 해당 상품에 대한 다른 사용자의 선호도에 따른 상대적 중요도에 의해 이전에 추론되었던 상품 만족도 일 수도 있다.
AHP 분석부(12)는 수집된 컨텍스트에 따라 사용자의 선호도에 대하여 각 컨텍스트 별로 쌍대비교하여 중요도에 대한 가중치를 산출하는 것으로, [표 2] 내지 [표 5]는 수집된 컨텍스트에 근거하여 사용자의 선호도 정보를 쌍대비교하여 가중치를 산출하는 실험을 수행한 결과이다.
이때, [표 2] 내지 [표 5]에서 사용자의 선호도는 "가격", "할인율", "구매자수" 및 "고객 만족도"로 정의하는 표현 언어를 사용하였다.
또한, [표 2] 내지 [표 5]는 순서대로 각각 할인율, 가격, 상품만족도, 구매자수가 상대적 중요도로 높게 평가되도록 실험한 4가지의 경우(Case)이다.
즉, [표 2] 내지 [표 5]는 AHP기법을 이용하여 각 평가 기준 간 상대적 중요도를 도출한 값으로 주관적 의사결정에 따라 평가되므로 개인의 성향이 그대로 반영된다고 볼 수 있다.
가격 | 할인율 | 구매자수 | 고객 만족도 | 가중치 | |
가격 | 3.0 | 4.0 | 3.0 | 0.263 | |
할인율 | 4.0 | 2.0 | 0.511 | ||
구매자수 | 5.0 | 0.066 | |||
고객 만족도 | 0.160 |
[표 2]에서 가격과 구매자 수 간 상대적 중요도는 4.0(사티 교수의 9점 척도 중 4점을 의미)이다. 이는 가격이 구매자수보다 4 만큼 더 중요함을 의미한다.
반대로, 가격과 할인율 간 상대적 중요도는 이탤릭체를 이용하여 3.0으로 표시되어 있음을 볼 수 있는데, 이는 가격이 할인율보다 1/3만큼 중요함을 의미한다.
이러한 해석은 하기의 [표 3] 내지 [표 5]도 마찬가지이며, 각 Case 별 상대적 중요도는 가중치로 표시하고 있고 그 가중치 만큼 상품 만족도 평가시 더욱 중요하게 고려될 수 있다.
가격 | 할인율 | 구매자수 | 고객 만족도 | 가중치 | |
가격 | 3.0 | 6.0 | 3.0 | 0.510 | |
할인율 | 5.0 | 3.0 | 0.282 | ||
구매자수 | 4.0 | 0.056 | |||
고객 만족도 | 0.152 |
가격 | 할인율 | 구매자수 | 고객 만족도 | 가중치 | |
가격 | 3.0 | 4.0 | 3.0 | 0.165 | |
할인율 | 4.0 | 2.0 | 0.312 | ||
구매자수 | 5.0 | 0.066 | |||
고객 만족도 | 0.457 |
가격 | 할인율 | 구매자수 | 고객 만족도 | 가중치 | |
가격 | 3.0 | 5.0 | 3.0 | 0.077 | |
할인율 | 4.0 | 3.0 | 0.144 | ||
구매자수 | 2.0 | 0.490 | |||
고객 만족도 | 0.289 |
[표 5]는 "구매자수"를 중요한 상품 만족도 평가 요소로 고려하는 것을 알 수 있도록 하는 결과이며, 더불어 "고객 만족도" 역시 "가격", "할인율"에 비해 상대적으로 중요하게 생각하고 있음을 알 수 있다.
퍼지 측도 산출부(13)는 퍼지 측도를 산출하기 위한 것으로, AHP 분석부(12)에서 산출된 중요도(AHP 가중치)와 상호작용계수(λ)를 이용하여 산출된다.
여기서, 산출된 중요도와 상호작용계수를 이용하여 퍼지 측도를 산출하는 알고리즘으로 싱글톤 퍼지 측도비 표준(Singleton Fuzzy Measure Ratio Standard)을 이용하여 산출될 수 있다.
상호작용계수(λ)는 컨텍스트간 상관관계를 의미하는 것으로, 본 발명에서는 3.0001의 값을 사용할 수 있다.
이때, 산출된 중요도와 상호작용계수를 이용하여 퍼지 측도를 산출하기 위하여 복수의 상품들이 공통적으로 갖는 비교 가능한 요소인 가격(바람직하게는 할인된 금액)이나 할인율과 같은 정보를 기반으로 퍼지 적분을 적용하며, 이때 상술된 가격 또는 할인율과 같은 요소는 종류와 측정 단위가 서로 다르기 때문에 이에 대한 정규화가 요구된다.
이러한 정규화에 대해 가격의 경우로 예를 들면, 하기의 수학식을 통해 이루어질 수 있다.
여기서, MIN(), MAX() 함수는 전체 데이터 계열에서 각가 최소값, 최대값을 추출하는 함수를 의미한다.
상기와 같이 정규화된 값은 퍼지 적분 적용에 필요한 상품정보로 활용될 수 있다. 즉, 퍼지 적분부(15)를 통해 사용자 주관이 반영된 상품 만족도를 추론해야하는데, 여기에 활용되기 위한 상품정보를 위의 [수학식 9]를 통해 산출하는 것이다.
퍼지 적분부(15)는 산출된 퍼지 측도와 상품정보 저장부(14)에 저장된 상품정보를 퍼지 적분(fuzzy integral)을 적용하여 상품정보에 대한 적분값을 산출한다. 이때 퍼지 적분은 쇼케 적분(Choquet Integral)을 이용하여 수행될 수 있다.
이때 상품정보 저장부(14)에 저장된 상품의 기본정보는 원가, 할인가, 할인된 금액, 할인율, 구매자수, 고객 만족도 등의 정보로 저장될 수 있다.
일예로, 상품정보 저장부(14)는 [표 6]과 같이 상품의 기본 정보를 보유할 수 있다. 이때 [표 6]에서는 본 발명에 따른 일예를 설명하기 위해 15종의 상품에 대한 기본 정보만을 표시하기로 한다.
여기서, 본 명세서에서는 상품정보와 상품의 기본정보를 기재하고 있는데, 상품의 기본정보는, 하기의 [표 6]과 같이 정규화되지 않은 상품의 정보를 의미할 수 있고, 상품정보는 상기의 [수학식 9]를 통해 정규화된 상품의 정보를 의미할 수 있다.
No | 원가 | 할인가 | 할인된금액 | 할인율 | 구매자수 | 상품만족도 |
1 | 48,000 | 34,560 | 13,400 | 28 | 348348 | 76.0 |
2 | 62,000 | 43,400 | 18,600 | 30 | 792 | 72.0 |
3 | 55,000 | 41,250 | 13,750 | 25 | 1,203 | 82.0 |
4 | 89,000 | 71,200 | 17,800 | 20 | 241 | 92.0 |
5 | 110,000 | 88,000 | 22,000 | 20 | 88 | 84.0 |
6 | 32,000 | 27,200 | 4,800 | 15 | 397 | 66.0 |
7 | 38,000 | 28,500 | 9,500 | 25 | 361 | 88.0 |
8 | 75,000 | 51,000 | 24,000 | 32 | 531 | 86.0 |
9 | 53,000 | 42,400 | 10,600 | 20 | 43 | 62.0 |
10 | 99,000 | 74,250 | 24,750 | 25 | 360 | 68.0 |
11 | 183,000 | 107,970 | 75,030 | 41 | 58 | 81.0 |
12 | 145,000 | 123,250 | 21,750 | 15 | 20 | 74.0 |
13 | 28,000 | 23,240 | 4,760 | 17 | 574 | 86.0 |
14 | 99,000 | 89,100 | 9,900 | 10 | 46 | 80.0 |
15 | 104,000 | 72,800 | 31,200 | 30 | 77 | 90.0 |
[표 6]과 같은 상품의 기본 정보를 상기의 [수학식 9]를 통해 정규화하면, 첨부된 도면의 도 5에서의 좌측 영역의 "Normalized Value (정규화 값)"에 표시된 바와 같이 정규화 값을 산출할 수 있다.
도 5는 본 발명의 일 실시예에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템에서 상품정보에 따라 산출된 상품별 퍼지 적분값을 나타낸 도면이다.
또한, 첨부된 도면의 도 5의 우측에는 쇼케 적분(Choquet Integral)으로 AHP에 의해 평가된 상기의 [표 2] 내지 [표 5]에 대한 각각의 실험 결과를 평가값(도 5의 Choquet Integrated Values)으로 나타내고 있다.
다시 말해, Case 1의 경우, 할인율(L:0.510)과 할인된 금액(L:0.263)에 대한 가중치가 높고, Case 2의 경우 할인된 금액(L:0.510)과 할인율(L:0.282)에 대한 가중치가 높게 설정되었다.
또한 Case 3의 경우, 구매 만족도(L:0.457)와 할인율(L:0.312)에 대한 가중치가 높게 설정되었으며, Case 4의 경우, 구매자수(L:0.490)와 구매 만족도(L:0.289)에 대한 가중치가 높게 설정되어 실험을 진행하였다.
그 결과, 도 5에 적색으로 표시된 바와 같이, Case 1, 2, 3 경우에는 할인율과 할인된 금액가격이 큰 상품 8, 11, 15의 만족도가 높게 도출되었으며, Case 4의 경우에는 구매자수가 많은 상품에 대한 만족도가 높게 되었다.
상품 만족도 추론부(16)는 전술된 바와 같이 퍼지 적분부(15)를 통해 높게 평가된 상품 만족도를 추론하는 것으로, 설계조건에 따라서는 퍼지 적분부(15)에 포함되도록 구성될 수도 있다.
한편, 본 발명에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템은 상품 만족도 추론부(16)에서 추론된 상품 만족도에 따라 사용자(소비자)에게 상품을 추천하도록 구성할 수도 있다.
이는 추론된 상품 만족도에 의해 해당 사용자가 "가장 선호하는" 또는 "상대적으로 가장 중요하게 생각하는" 상품을 추천하도록 구성하는 것으로써, 상품 만족도에 대한 평가값이 가장 높게 산출된 상품을 검출하는 것이다.
이는 상품 만족도 추론부(16)를 통해 이루어지거나, 도 2에서의 상품 만족도 추론부(16)와 추천 상품 표시부(20) 사이에 추천 상품 검출부(도면에 미표시)를 더 구성함으로써, 기능을 수행하도록 할 수도 있다.
이때 검출되는 상품의 개수는, 제일 높은 평가값을 갖는 단일의 상품일 수도 있으며, 상위 2개 내지 5개의 상품을 추천할 수도 있다.
그러나 반드시 상기의 2개 내지 5개의 상품에 한정되는 것은 아니며, 설계 조건에 따라서는 상품 만족도에 대한 평가값이 높은 순서대로 상위의 5개 이상의 상품을 추천하도록 구성할 수도 있음은 물론이다.
추천 상품 표시부(20)는, 추론된 상품 만족도에 따라 추천되는 상품을 표시하는 것으로, 본 발명에 따른 시스템임 모바일에 적용되는 경우, 모바일의 디스플레이를 통해 추천 상품이 표시되도록 구성할 수 있다.
또한, 본 명세서에서 직접적으로 기재하고 있지는 않지만, 본 발명의 목적, 구성 및 효과로 미루어보았을 때, 추론된 상품 만족도는, 추천되는 상품과 같은 적용되는 디바이스(모바일 등)에 표시되도록 구성될 수 있음은 당연하며, 서버 등의 저장수단에 저장되도록 구성될 수 있음은 당연하다.
다른 설계 조건에 따라서, 추천 상품 표시부(20)는 만일 사용자가 특정 소셜커머스를 이용하던 중, 열람 목록에서 제외한 상품 목록이 존재하는 경우, 상술된 과정을 통해 추천될 상품으로 결정된다고 하더라도 상품 추천 대상에서 제외할 수 있도록 구성할 수 있다.
예를 들어, 사용자가 특정의 상품을 "가격", "할인율", "구매자수" 및 "고객 만족도"에 관계없이 다른 사정으로 인해 소셜커머스의 자체 기능을 통해 열람 제외로 설정한 경우를 가정한다.
가령, 위의 요소들에 의하면 상대적 중요도에 대한 가중치가 산출되어 추천될 상품으로 제공될 여지는 있으나, 사용자가 직접 사용해 보았는데 만족스럽지 않아서 다시 추천받기를 거부하는 경우에, 해당 사용자는 소셜커머스에서 해당 상품의 열람을 거부할 수도 있다.
이 경우, 본 발명은 컨텍스트 수집부(11)를 통해 소셜커머스의 사용자의 정보를 수집하고 해당 소셜커머스와 연동됨으로써, 해당 사용자가 추천받기를 거부하는 상품을 알 수 있으며, 이 상품이 추천 상품 대상으로 판단되어도 해당 상품이 추천되지 않도록 구성하는 것이다.
다른 일예로써, 사용자가 추천받기를 거부하는 상품인 경우, 해당 상품이 전술된 과정을 수행하기 위한 상품의 기본 정보에 포함되지 않도록 설계할 수도 있다.
상술한 바와 같은 본 발명에 따른 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템은, 획득할 수 있는 상황정보를 사용자의 선호도로 하여 정량적으로 분석하고, 이를 이용하여 사용자의 주관적인 성향이 반영된 상품 만족도를 추론함으로써, 사용자의 의사결정에서 발생하는 모호함을 최소화시켜 사용자의 주관이 반영된 상품을 추천할 수 있다.
한편, 상기에서 도 1 내지 도 5를 이용하여 서술한 것은, 본 발명의 주요 사항만을 서술한 것으로, 그 기술적 범위 내에서 다양한 설계가 가능한 만큼, 본 발명이 도 1 내지 도 5의 구성 및 기능에 한정되는 것이 아님은 자명하다.
10 : 상품 만족도 추론 시스템
11 : 컨텍스트 수집부
12 : AHP 분석부
13 : 퍼지 측도 산출부
14 : 상품 정보 저장부
15 : 퍼지 적분부
16 : 상품 만족도 추론부
20 : 추천 상품 표시부
11 : 컨텍스트 수집부
12 : AHP 분석부
13 : 퍼지 측도 산출부
14 : 상품 정보 저장부
15 : 퍼지 적분부
16 : 상품 만족도 추론부
20 : 추천 상품 표시부
Claims (5)
- 사용자의 컨텍스트를 수집하는 컨텍스트 수집부(11);
상기 수집된 컨텍스트에 따라 사용자의 선호도에 대한 쌍대비교를 수행하고, 상기 수행된 쌍대비교 값을 AHP(Analytic Hierarchy Process)로 분석하여 중요도를 산출하는 AHP 분석부(12);
상기 산출된 중요도에 따라 퍼지 측도(fuzzy measure)를 산출하는 퍼지 측도 산출부(13); 및
상기 산출된 퍼지 측도와 상품정보를 퍼지 적분(fuzzy integral)에 적용하여 적분값을 산출하는 퍼지 적분부(15); 를 포함하여 상기 사용자의 선호도에 대한 상품 만족도를 추론하는 것을 특징으로 하는, 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템.
- 청구항 1에 있어서,
상기 퍼지 측도(fuzzy measure)는,
AHP(Analytic Hierarchy Process)로 분석하여 산출된 중요도에 상기 수집된 컨텍스트 사이의 상호작용계수를 이용하여 산출되는 것을 특징으로 하는, 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템.
- 청구항 1에 있어서,
상기 사용자 선호도는,
가격, 할인율, 구매자수 및 고객 만족도로 구성된 것을 특징으로 하는, 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템.
- 청구항 3에 있어서,
상기 가격은,
상품의 원가에서 할인가를 뺀 할인된 금액인 것을 특징으로 하는, 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템.
- 청구항 1에 있어서,
상기 상품정보는,
상품의 원가, 할인가, 할인된 금액, 할인율, 구매자수 및 상품 만족도로 저장된 상품의 기본정보를 통해 정규화된 것임을 특징으로 하는, 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140083160A KR101600893B1 (ko) | 2014-07-03 | 2014-07-03 | 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140083160A KR101600893B1 (ko) | 2014-07-03 | 2014-07-03 | 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160004615A true KR20160004615A (ko) | 2016-01-13 |
KR101600893B1 KR101600893B1 (ko) | 2016-03-08 |
Family
ID=55172537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140083160A KR101600893B1 (ko) | 2014-07-03 | 2014-07-03 | 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101600893B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114006825A (zh) * | 2021-10-28 | 2022-02-01 | 西安热工研究院有限公司 | 一种基于用户偏好的网络流量数据属性权重的计算方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107544253B (zh) * | 2017-03-17 | 2020-03-27 | 中国人民解放军91049部队 | 基于改进模糊熵权法的大型导弹装备退役安全控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990081512A (ko) * | 1998-04-30 | 1999-11-15 | 윤종용 | 퍼지 네트워크를 이용한 사용자 선호도 모델링 방법 |
KR20020038446A (ko) | 2000-11-16 | 2002-05-23 | 김종성 | 인터넷상에서 상품만족도에 의한 상품정보검색 시스템 및방법 |
KR20100070661A (ko) * | 2008-12-18 | 2010-06-28 | 경기대학교 산학협력단 | 추천 항목 제공 장치 및 방법 |
KR20130121372A (ko) * | 2012-04-27 | 2013-11-06 | 한국전자통신연구원 | 영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법 |
KR101349285B1 (ko) * | 2012-08-03 | 2014-01-13 | 공주대학교 산학협력단 | 상황인식 기반 사용자 감성인지를 통한 개인화 서비스 시스템 |
-
2014
- 2014-07-03 KR KR1020140083160A patent/KR101600893B1/ko active IP Right Grant
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19990081512A (ko) * | 1998-04-30 | 1999-11-15 | 윤종용 | 퍼지 네트워크를 이용한 사용자 선호도 모델링 방법 |
KR20020038446A (ko) | 2000-11-16 | 2002-05-23 | 김종성 | 인터넷상에서 상품만족도에 의한 상품정보검색 시스템 및방법 |
KR20100070661A (ko) * | 2008-12-18 | 2010-06-28 | 경기대학교 산학협력단 | 추천 항목 제공 장치 및 방법 |
KR20130121372A (ko) * | 2012-04-27 | 2013-11-06 | 한국전자통신연구원 | 영상 콘텐츠의 심리스 서비스 방안 추론 장치 및 방법 |
KR101349285B1 (ko) * | 2012-08-03 | 2014-01-13 | 공주대학교 산학협력단 | 상황인식 기반 사용자 감성인지를 통한 개인화 서비스 시스템 |
Non-Patent Citations (2)
Title |
---|
비특허문헌 1 : 박지수, 정석재, 이영훈, 김경섭. 퍼지 추론을 통해 규칙 기반의 보험상품 추천 및 설계 시스템 구현. 한국전자거래학회지 제12권 제1호, 2007.2.:99-122 (24 pages) |
비특허문헌 2 : 장기윤. 신재생에너지 사업성 평가를 위한 지표선정에 관한 연구. 포스코경영연구소, 2010.06.:116-139 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114006825A (zh) * | 2021-10-28 | 2022-02-01 | 西安热工研究院有限公司 | 一种基于用户偏好的网络流量数据属性权重的计算方法 |
Also Published As
Publication number | Publication date |
---|---|
KR101600893B1 (ko) | 2016-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nilashi et al. | Analysis of travellers’ online reviews in social networking sites using fuzzy logic approach | |
Aakash et al. | Assessment of hotel performance and guest satisfaction through eWOM: big data for better insights | |
Roberts et al. | Development and testing of a model of consideration set composition | |
Chan et al. | Global supplier development considering risk factors using fuzzy extended AHP-based approach | |
CN103824192A (zh) | 混合推荐*** | |
Hong et al. | Development of a new knowledge-based fabric recommendation system by integrating the collaborative design process and multi-criteria decision support | |
Ghosh et al. | A comparative analysis of multi-criteria decision models for ERP package selection for improving supply chain performance | |
Karmakar et al. | A deteriorating EOQ model for natural idle time and imprecise demand: Hesitant fuzzy approach | |
Wang et al. | New online recommendation approach based on unbalanced linguistic label with integrated cloud | |
Nguyen et al. | Organic food and obesity: factors influencing actual purchase of organic food in COVID-19 pandemic with moderating role of organic food availability | |
Bhattacharjee et al. | An integrated machine learning and DEMATEL approach for feature preference and purchase intention modelling | |
Dharmaputra et al. | Artificial intelligence and electronic marketing outcomes: An empirical study | |
Lin et al. | Combination of a fuzzy analytic hierarchy process (FAHP) with the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) for fashion design scheme evaluation | |
KR101600893B1 (ko) | 주관적 성향을 고려한 퍼지 적분 기반의 상품 만족도 추론 시스템 | |
Huang et al. | Mining the change of customer behavior in dynamic markets | |
Bernal et al. | Fuzzy measure identification for criteria coalitions using linguistic information | |
Zhang et al. | Garment recommendation in an e-shopping environment by using a Markov Chain and Complex Network integrated method | |
Ayo | A two-phase multiobjective optimization for benchmarking and evaluating service quality in banks | |
Pinto et al. | Hybrid recommendation system based on collaborative filtering and fuzzy numbers | |
Alexandrov et al. | Classifiers for Yelp-reviews based on GMDH-algorithms | |
Eraslan et al. | A comparative holistic fuzzy approach for evaluation of the chain performance of suppliers | |
Tekletsadik | Selection of best leather item using a FAHP method to launch new leather industry in Ethiopia: A case study | |
Kaur et al. | Are the customers receiving exact recommendations from the e-commerce companies? Towards the identification of gray sheep users using personality parameters | |
Yuji | A trust prediction method for recommendation system | |
Khan et al. | Ranking operational causes of bullwhip effect in supply chain using AHP: Perception of managers in FMCG sector |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |