[데이터베이스]추천 시스템을 중심으로 한 데이터 마이닝의 기법과 응용
- 최초 등록일
- 2006.06.19
- 최종 저작일
- 2006.05
- 12페이지/ 한컴오피스
- 가격 2,000원
소개글
데이터마이닝에 대한 서베이 리포트입니다. 데이터 마이닝 기술들의 적용을 추천 시스템을 중심으로 기술하였으며, 데이터 마이닝에 대한 전반적인 내용과 다양한 기술들을 비롯해서 추천 시스템과 사용하는 알고리즘에 따른 추천 시스템의 종류에 대해서 담고 있습니다. 데이터베이스 과목의 텀 레포트로 제출하였으며, 좋은 평가를 받았습니다.
목차
1. 서론
2. 데이터마이닝
3. 데이터마이닝의 기법
3.1. 연관 규칙(Association Rules) 탐사
3.2. 의사결정트리(decision tree)
3.3. 베이지안 분류
3.4. 신경망
3.5. 기타 분류기법
3.5.1 k-인접 이웃 분류(K-Nearest Neighbor Classification)
3.5.2. 사례 기반 추론(Case-Based reasoning)
3.6. 웹 마이닝 (web mining)
4. 추천 시스템
4.1. 추천 시스템의 구조
5. 추천 시스템의 기법
5.1. 인구통계학적(Demographic) 추천 시스템
5.2. 지식 기반 (Knowledge-based) 추천 시스템
5.3. 협업 필터링 (CF: Collaborative Filtering)
5.3.1. User-based Collaborative Filtering
5.3.2. Item-Base Collaborative Filtering
5.4. 내용기반 필터링(Content-Based Filtering)
5.5. Hybrid 시스템
6. 논의 및 결론
7. REFERENCE
본문내용
1. 서론
데이터 마이닝(Data Mining)이란 자동화되고 지능을 갖춘 데이터베이스 분석기법으로 90년대 초반부터 지식발견, 정보발견, 정보수확의 이름으로 소개되어 왔는데 일반적으로 대량의 데이터로부터 새롭고 의미 있는 지식을 추출하여 의사 결정에 활용하는 작업이라 정의된다[3]. 데이터 마이닝은 통계, 컴퓨터과학, 인공지능, 기계학습 등 여러 분야에 이론적 기반을 가지고 있으며, 다양한 방법으로 응용될 수 있다.
데이터 마이닝의 응용 분야 중 하나로 최근 전자상거래에서 많이 이용되고 있는 개인화 추천시스템은 고객의 취향에 맞는 상품을 추천하여 고객의 구매 결정을 도와주는 시스템이다. 추천 시스템에 있어서 중요한 것은 고객의 선호도를 정확하게 분석하여 각 고객이 원하는 적절한 상품을 추천해줄 수 있는 정확한 예측 능력이다.
고객의 선호도 정보를 얻기 위해서는 고객의 검색 패턴이나 제품의 구매 정보 등의 고객에 대한 다양한 데이터를 수집하고 이를 분석하여 고객의 성향을 파악해야 한다. 고객에 대한 성향을 파악한 후에는 고객에게 적당한 아이템을 추천해주는 것이 필요한데 이때 필요한 것이 추천 시스템이다. 추천 시스템은 사용자의 과거 데이터를 바탕으로 사용자가 선호하는 제품을 추천하게 된다. 이처럼 추천 시스템을 구성하는데 있어서, 정보를 수집하거나 수집한 정보를 분석하는데 다양한 데이터 마이닝 기법들을 이용하게 된다.
여기에서는 데이터 마이닝 기술들의 적용을 추천 시스템을 중심으로 살펴보도록 한다. 앞부분에는 데이터 마이닝에 대한 전반적인 내용과 다양한 기술들에 대해서, 뒷부분에서는 추천 시스템과 사용하는 알고리즘에 따른 추천 시스템의 종류에 대해서 알아보았다.
참고 자료
1] 박종수・유원경・홍기형, "연관 규칙 탐사와 그 응용", 한국정보과학회 학회지 (in Microsoft ppt form, 한국정보과학회 SIGDB 춘계튜토리얼, May 1998)
[2] 박지선・김택헌・류영석・양성봉, “추천 시스템을 위한 2-way 협동적 필터링 방법을 이용한 예측 알고리즘“ 정보과학회지 논문지, 29권, 9,10호, pp.669-675, 2002년 10월.
[3] 장남식・홍성완・장재호, 데이터마이닝, 대청미디어, 1999.
[4] 채승경, "데이터마이닝을 이용한 웹 데이터 분석", 고려대학교 경영대학원, 2001