Recommender System using Ontology in Recommender System using Ontology in Recommender System using Ontology in Recommender System using Ontology in B2B eB2B eB2B eB2B e----Marketplace EnvironmentMarketplace EnvironmentMarketplace EnvironmentMarketplace Environment

Kim RyongO, Hyeon-il Lee, Hong Jong-Kyu, Se-Gu Oh*, Young-Kuk Kim{ryongO, hilee, jkhong}@cs.cnu.ac.kr, {nice69*, ykim}@cnu.ac.kr

Dept. of Computer Science, ChungNam National UniversityDept. of Business and Administration, ChungNam National University*

Tel. 042-821-7441

511

2004-12-11

---- Abstract Abstract Abstract Abstract ----Recently, information and service are getting risen by development and increase of internet techniques broadly. On the other hand, customers are getting difficult to find out appropriate demands of information and service for them.

As a result, the dissertation suggested custom-made recommender system that analysis of customer's propensity and support of specific system in B2B e-Marketplace environment. Recommender system is composed by monitoring agent which is indicating customer's information, Analysis Agent which is for analyzing collecting information, and Recommendation Agent which is supporting service by using analyzing result.

This paper recommended, a recommender system and it has some features as below.

First of all, It is Web Service which can work with another e-Market place without any customer's site changes by using techniques. It has financial merit to decrease cost because it has dependent platform and doesn't have to need different program code.

Secondly, Recommender system manages with customer's data of different goods dividing system applying to ontology; however, it combines to e-Marketplace of typical goods dividing system.

At last, e-Marketplace offers such as custom-made recommend through recommend algorithm by vector which is much used. Recommender system offers high quality services not advertisement or recommend of custom-made goods but also recommending supplying goods quantities.

KeyWordKeyWordKeyWordKeyWord : B2B, e-Marketplace, Web Service, Ontology, Recommender System

512

2004-12-11

목 차

• 연 구 배 경

• 관 련 연 구

• 시스템 아키텍처

• 온톨로지 통합

• 통합 시스템 실험 및 평가

• 결론 및 향후 연구 과제

* 본 연구는 소프트웨어 연구센터(SOREC) 지원을 받아 수행되었음.

513

2004-12-11

연 구 배 경(I)

• B2B 환경은 독립적으로 관리됨으로써 접근의 제한성, 이질적인 시스템 환경, 구현 언어의 다양성 등으로 인해 데이터 공유 및 통합에 있어서의 어려움과 많은 시간과 비용을 필요

• 따라서 분산 이기종 간의 시스템 통합과 데이터를공유함으로써 편리함과 효율성을 증가 시키고 이런환경에서 고객의 특성에 맞는 지능적 추천을 할 수있는 연구가 필요

514

2004-12-11

[[[[공급사공급사공급사공급사 B]B]B]B]

액션/어드벤처

드라마/로맨스

코미디

스릴러/호러

어린이/가족

SF/판타지

TV

독립/단편(Indie)

성인(에로)

건강/여성/교육

국가

연 구 배 경(II)

• 분산 이기종 시스템 문제점– 공급사들 간의 독립적 시스템 구축

– 서로 다른 용어 사용

– 정의의 모호성

[[[[공급사공급사공급사공급사 C]C]C]C]공포기타

다큐멘터리드라마

로맨틱코미디무협

뮤지컬스릴러스포츠

애니메이션액션/어드벤처

어린이에로

웨스턴/전쟁영화코미디

환타지/SF

[[[[공급사공급사공급사공급사 A]A]A]A]액션/어드밴쳐드라마/로맨스

코미디어린이/가족스릴러/호러SF/판타지성인(에로)애니메이션

515

2004-12-11

관 련 연 구(I)

• 웹 서비스– 플랫폼 독립성, 기업간 상호 이용성 및 확장성, 기능의

재 사용성, 서버 중립성, 보안이 보장된 커뮤니케이션 지원

– 인터넷 또는 인트라넷을 통해 클라이언트가 특정한 작업을 처리하기 위해 원격에 있는 서버의 특정한 서비스(프로시저)를 호출

• 분산 이기종 환경의 통합 기술로 웹 서비스 사용

516

2004-12-11

관 련 연 구(II)

• 온톨로지– 메타데이터 개념을 이용 각 시스템으로부터 서로 독립적

인 데이터의 통합이 가능

– 용어의 특성, 관계, 타입, 룰 등의 표현이 가능해 지고, 용어의 표준화를 통해, 분산 환경에서도 시스템간의 데이터 공유가 가능

– 단어와 관계들로 구성된 사전으로서 특정 도메인에 관련된 단어들을 계층적 구조로 표현

– 추가적으로 이를 확장할 수 있는 추론 규칙을 포함

• 온톨로지는 공유된 개념화에 대한 정형화되고 명시적인 명세

517

2004-12-11

관 련 연 구(III)

• 추천 시스템을 위해서는 개인화(personalizatio)와추천 에이전트(Recommendation Agent), 데이터마이닝(Data Mining) 기술이 필요– 개인화 : 상품과 서비스 또는 이와 관련된 정보를 고객

개인에게 제공

– 추천 에이전트 : 고객 성향을 분석하여 맞춤 정보를 제공하는 시스템

– 데이터 마이닝 : 대량의 데이터로부터 새롭고 의미 있는정보를 추출하기 위한 방법

518

2004-12-11

시스템 구성도

BusinessPartner

WebService

Weblog

관리자 고객고객

BusinessPartner

WebService

Weblog

관리자 고객고객

BusinessPartner

WebService

Weblog

관리자 고객고객

PersonalizationPage

AA

CatalogProfile

PartnerProfilePartner

ProfileCatalogProfile

Provider

PartnerHistory

Provider Provider

MA

RA

1 모니터링 정보 수집2 모니터링 정보 저장3 데이터 분석4 프로파일 생성5 추천 정보 제공6 추천 결과 제공

PartnerHistory

3

4

5

6

WebService

1

Ontology

2

PersonalizationPagePersonalization

Page

1

E-MarketPlace

519

2004-12-11

시스템 아키텍처(I)

• e-Marketplace는 사용자 인터페이스와 데이터, 에이전트 계층으로 각각 구성– 사용자 인터페이스 계층 : 고객이 e-Marketplace를 방문

했을 때 미리 분석된 고객의 성향에 맞춤 정보를 제공

– 데이터 계층 : 에이전트 계층에서 필요로 하는 모든 정보를 저장 및 제공

– 에이전트 계층 : 고객의 정보를 수집, 분석하고, 분석 결과에 따라 실시간으로 추천

520

2004-12-11

시스템 아키텍처(II)

• 에이전트 계층은 분산 이기종 시스템의 정보를 관리 하기 위해 멀티 에이전트로 각각 구성– 모니터링 에이전트(MA) : 웹 서비스를 이용하여 추천에

필요한 고객 사이트의 데이터를 주기적으로 수집하는 역할

– 분석 에이전트(AA) : 모니터링 에이전트에 의해 수집된가공되지 않은 데이터, 즉 서로 다른 상품 분류체계를 가진 데이터에 온톨로지를 적용하여 정규화

– 추천 에이전트(RA) : 공급자가 새로운 상품을 등록 하게되면 고객 프로파일과 상품 카탈로그 프로파일을 이용하여 각각의 고객 특성에 맞는 상품 수량을 예측하여 추천

521

2004-12-11

온톨로지 특징

• 용어와 용어 사이의 관계를 온톨로지로 기술할 수있게 되어, 유연성을 제공

• 의미적으로는 같으나 형태가 다른 용어를 일치

• 여러 시스템 사이에서 다르게 사용하는 용어의 일치를 할 수 있게 되어, 시스템 사이의 상호운용성을제공

• 분산 환경에서 여러 데이터를 공유

522

2004-12-11

온톨로지를 적용한 통합 시스템

• e-Marketplace의 비디오 장르 통합을 추론하기 위한 비디오 장르 온톨로지 구성

• 정규화된 장르를 추론하는 질의 순서– 질의하고자 하는 장르가 비디오 장르 온톨로지의 parent

단계와 일치하거나 추론에 의한 Equal 관계가 성립 하는장르 선택

– parent 단계에서 찾지 못했을 때 비디오 장르 온톨로지를활용한 추론에 의해 parent-child 관계에서 일치하는 것이 있거나, parent-child 단계의 것과 Equal 관계가 성립하면 선택된 장르의 parent 장르 선택

523

2004-12-11

비디오 장르 온톨로지

524

2004-12-11

온톨로지 통합 과정

Erotic은 Equal 메소드에 의한 질의에 의해Erotic과 Equal 관계인장르가 Adult라는 것을알 수 있다

525

2004-12-11

통합 시스템 실험

• 온톨로지에 의해 재정의된 장르 분류 테이블

Erotic

SF

Fantasy

GongPo

AdultAniMeloCom

-edyMeloDra-ma

HongKon-gAction

War가맹점2

Adult

SF

Fantasy

Horror

Animation

Romance-Comedy

Romance-

Drama

HerismAction

가맹점1

Erotic

SF

Fantasy

Thriller

Animation

ComedyDramaAction통합장르가맹점

526

2004-12-11

통합 시스템 실험

• 가맹점 장르별 대여비디오 선호도 조사

122 158 85 182 141 218 306 307 가맹점4

58 73 50 107 82 155 110 89 가맹점3

53 71 46 120 73 92 106 164 가맹점2

30 35 22 53 38 46 63 71 가맹점1

Erotic

SFFantas

yThriller

Animation

Comedy

Drama

Action

통합장르가맹점

527

2004-12-11

통합 시스템 실험

• 가맹점 나이/성별 대여비디오 선호도 조사

95 99 229 177 223 199 167 196 71 63 가맹점4

54 45 90 85 91 94 99 100 31 55 가맹점3

49 31 97 95 110 91 90 83 34 45 가맹점2

20 18 52 37 49 37 62 53 13 17 가맹점1

여남여남여남여남여남5040302010

528

2004-12-11

통합 시스템 추천

• 장르 / 나이 유사도 계산

• 추천 예상 수량

추천추천추천추천 예상예상예상예상 수량수량수량수량 = = = = 신작비디오신작비디오신작비디오신작비디오 프로파일과프로파일과프로파일과프로파일과 가맹점가맹점가맹점가맹점 대여비디오대여비디오대여비디오대여비디오프로파일의프로파일의프로파일의프로파일의 유사도유사도유사도유사도 x x x x 신작비디오신작비디오신작비디오신작비디오 흥행도흥행도흥행도흥행도 x x x x 가맹점의가맹점의가맹점의가맹점의 규모규모규모규모

529

2004-12-11

추천 전 프로파일

530

2004-12-11

추천 후 프로파일

531

2004-12-11

통합 시스템 평가

• 비디오 보유수와 빈도수 차이에 관하여 신작비디오가 추가 되었을 때 분석– 총 10개의 신작비디오 중 보유수와 빈도수의 차가 1.0이

상 차이가 나는 것을 조사 하였을 때 4개인 것으로 나타나 60%의 정확도 유지

– 차가 1.5이상 차이가 나는 것을 조사하였을 때는 1개가조사되어 90%의 정확도를 가짐

• 평가 방법은 MAE(Mean Absolute Error)를 사용

E =∑ | R – v |

n

R : 예상 추천수v : 실제 빈도수n : 비디오 종류

532

2004-12-11

결 론(I)

• B2B e-Marketplace 환경에서 가맹점의 성향을 분석하여 가맹점 특성에 맞는 서비스를 제공하는 맞춤 추천 시스템을 제안– 가맹점의 서로 다른 상품 분류체계를 하나로 통합하기

위해 온톨로지를 적용

– 가맹점 전체 고객의 프로파일을 분석하여 제품 공급 수량을 예측하여 맞춤 추천 모델을 제시

533

2004-12-11

결 론(II)

• 분산 이기종 환경에 온톨로지를 적용한 맞춤 추천시스템은 다음과 같은 특징을 갖는다– 웹 서비스 기술을 사용하여 고객의 사이트 수정 없이 e-

Marketplace와 연동할 수 있어 유지비용이 훨씬 적게 들어 경제적

– 서로 다른 상품 분류체계로 운영되는 고객들의 데이터에온톨로지를 적용하여 e-Marketplace의 정형화된 상품분류 체계로 통합

– e-Marketplace는 추천 알고리즘을 통해 가맹점 특성에맞는 맞춤식 추천을 제공

534

2004-12-11

향후 연구 과제

• 현재 추천 결과를 향상 시키기 위한 알고리즘 개선을 연구 중에 있으며

• 보다 효율적인 온톨로지 적용 알고리즘 연구 및 온톨로지의 변경이 필요할 때 자동적이고 합리적인수정 작업을 통한 새로운 온톨로지 구축 방법에 대한 연구가 이루어져야 할 것이다

535