�ݺ�ߣ

�ϼ지롵ӧ�&��;��추천��로세스갵ӄ�

• ��로젝트 명
 Outdoor Adventure ver.0.0.0

• ��로젝트 주제
 인공지능의 전문가 시스템의 알고리즘 논리 중 하나인 Fuzzy logic 을 이용하여 사용자
만족도를 최대화 할 수 있는 인공지능 알고리즘을 갖춘 여행자 도우미 Application 을
제작하도록 한다.

• ��로젝트 기간
 2012년 11월 02일 ~ 2012년 12월 7일

• ��로젝트 참여 인원 - 1명
 200902743 유종민 – 주제 전문가, 지식 공학자

• 개발 소요 기간
 2012년 11월 4일 ~ 2012년 12월 3일(Deadline : 6일) – 총 29일

Contents
S. Problem Definition
2. Solution
3. OA-Application Outline
4. OA-User Interface
5. OA-Core functions
6. Reference
F. Preview

고객에게 상품에 대한 정보 제공은 최적의 선택의사결정에 도움을 준다.
(Basic element of information)

information overload

불필요한 정보를 제공하는 데 들어가는 비용 손실이 발생함
과다한 정보가 오히려 선택을 제한하거나, 옳지 못한 방향으로 유도함

그러나

정보의 제한은
그 정도에 따라 소비자의 불만을 가지고 온다

Problem
사용자가 불쾌하지 않을 정도로 제공하는 정보를 제한하면서, 동시에,
사용자로부터 받은 입력으로 사용자의 만족도를 최대화 할 수 있는 결과를
찾는 것.

사람이 입력한 적은 정보에서,
그 사람의 의도가 반영된 다양한 속성을 찾아내어
올바른 과정을 통해 결과를 최적화 한다.

사람이 입력한 적은 정보에서, 그 사람의 의도가 반영된 다양한 속성

올바른 과정을 통해 결과를 최적화 한다.

퍼지 전문가 시스템을 이용한 상품 추천 알고리즘

1. 변수 모델링
• 추상적 수치 변수
 example : 가격, 만족도
 범위가 다양하기 때문에 최적화 시 이상값(outlier) 판단 기준이 없기 때문에 이상값도
모델링 가능해야 함.
• 물리적 측정 변수
 예 : 거리, size
 객관적 데이터가 존재, 관련 함수로 근사
• 추상적 문자 변수
 예 : 테마, 장르
 Clustering 을 통해 중심과의 거리 등을 기준으로 하여 가중치
적용.

• 추상적 수치 변수
 example : 가격, 만족도
 범위가 다양하기 때문에 최적화 시 이상값(outlier) 판단 기준이 없기 때문에 이상값도
모델링 가능해야 함.

전제 : 사용자의 만족도 수치는, 기준이 되는 점에서부
터 수치적으로 떨어진 거리(b-p) 를 기준으로 반지름을
하는 원® 에 대하여, 반지름의 제곱(R^2) 만큼의 상대
적인 차이를 보임.

즉 사용자는 자신이 입력한 수치에 근접한 상품에
대해서는 만족도의 감소 속도가 비교적 낮으나, 자신이
입력한 수치에서 멀어질수록 만족도가 급격하게
하락하는 경향을 보이며 이는 사용자가 입력한 임의의
값 c를 최고점으로 하는 음의 기울기를 가진 2차
함수로 나타낼 수 있음

단 사용자가 입력한 값보다 2배 이상 큰 값은 Outlier 으로 판단하여 무시.

단

• 물리적 측정 변수
 예 : 거리, size
 객관적 데이터가 존재, 관련 함수로 근사

‘거리’를 예로 들어, 상용자가 반경 500m 라고 데이터를 입력 하였을 때, 사용자를
기준으로 500m내의
1. 모든 타깃에 대해서는 거리 부분의 최적화 수치를 1.0로 할당 할 것인가?
2. 사용자를 기준으로 하여 500m 까지는 만족도 감소 속도를 느리게 설정하고
500m 이상 부터는 급격하게 하락시킬 것인가?

단

• 추상적 문자 변수
 예 : 테마, 장르
 Clustering 을 통해 중심과의 거리 등을 기준으로 하여 가중치 적용.

상식적인 선에서 Clustering 한 후, Brainstorming 을 통해 Mind Map 형식으로
나타낸 후 기준점으로부터 Edge 의 개수를 기준으로 가중치를 설정함.

테마 주제와의 거리 값
박물관 탐사 0 (사용자 입력) 1.0
고궁 답사 1 0.9
민속촌 답사 2 0.8
캠핑 7 0.3

단

2. 만족도 판단 알고리즘
인간의 만족도 곡선은 자신이 입력한
수치에서 조금 더 맞지 않을 때
심리적으로 더 안정감을 가진다는
연구 결과 (상품가치, 서비스품질, 쇼핑몰이미지가
고객만족 및 애호도에 미치는 영향
박명호 - 대한경영학회지)

• 이는 수학적 도식화 할 경우 으로
4차 다항식과 유사

y = ((1.0 - ((c-x)/c)^4)+a0(i)*x+a1(i))+100;
c : 사용자 입력 변수에 대한 지정 함수 처리 후 취합.
x : DB로부터 받아온 상품 데이터에 대한 지정 함수 처리 후 취합
a0: 함수 최적화 상수 1 – 통계와 시뮬레이션에 근거하여 정의, (사전에 정의되어 있음)
a1 : 함수 최적화 상수 2 – 통계와 시뮬레이션에 근거하여 정의 (사전에 정의되어 있음)

사용자가
사용자 입력에
지정해놓은 상품에 Data translation 대한 데이터 전송
대한 변수를 입력

User
Data base

Product data set down
1. 사용자 입력을 받은 후, 각 변수의 특성을 고려하여 시스템에
적용할 수 있도록 모델링.
2. 모델링 된 단일 변수를 만족도 판단 알고리즘에 적용하여 퍼지
함수 생성
3. DB 에서 데이터를 전송받은 후, 퍼지 함수를 통해 만족도 계산

알고리즘을
Display
통한 최적화

Contents User
Client system

관광지에 관련된 사용자의 입력을 퍼지 전문가 시스템을 통해 계산 하여
Open API 를 통해 데이터 베이스에서 받아온 Data 를 최적화 한 후
사용자에게 Display 해주는 Application

사용자가 어느 변수에 중점을 둘 것인가?
가중치를 사용한 3가지 최적화를 제공
• 가격 만족도 최적화
 입력된 가격에 최적화 된 여행 상품을 우선적으로 검색한다.
• 거리 만족도 최적화
 입력된 거리에 최적화 된 여행 상품을 우선적으로 검색한다.
• 테마 만족도 최적화
 선택된 테마(흥분도, 여행 주제)에 최적화 된 상품을 우선적으로 검색
한다.

유형 가격 최적화 거리 최적화 테마 최적화
비율 C(Co R(Ran T(The C(Co R(Ran T(The C(Co R(Ra T(The
st) ge) ma) st) ge) ma) st) nge) ma)
집중 0.8 0.1 0.1 0.2 0.7 0.1 0.1 0.1 0.8
균형 0.5 0.2 0.3 0.3 0.5 0.2 0.2 0.2 0.6
일반 0.6 0.2 0.2 0.2 0.6 0.2 0.3 0.2 0.5

UI 구현 결과

확정 시안

1. 데이터 처리 및 출력

1. 사용자에게 별도의 입력 없이 사용자의 입력이 없는
상태에서 무작위로 여행 상품을 출력하는 기능

2. 사용자가 입력한 데이터를 기반으로 퍼지 알고리즘을
사용하여 사용자의 만족도를 최적화 할 수 있는
여행상품을 보여주는 기능.

사용자 입력에 최적화된 관광지 검색 결과 제공

2. 뉴스 기사 수집 기능

받아온 데이터에 근거하여 관련 기사 무작위
출력

3. 스크랩 기능

사용자가 선택한 관광지 & 기사에 대한 스크랩 기능 제공 (Back up 가능)

Reference
"ACM Computing Classification System: Artificial intelligence". ACM. 1998. Retrieved 30 August 2007.
Aleksander, Igor (1995). Artificial Neuroconsciousness: An Update. IWANN. Archived from the original on 2 March
1997. BibTex Internet Archive
Brooks, Rodney (1990). "Elephants Don't Play Chess" (PDF). Robotics and Autonomous Systems 6: 3–
15.doi:10.1016/S0921-8890(05)80025-9. Archived from the original on 9 August 2007. Retrieved 30 August 2007..
Buchanan, Bruce G. (2005). "A (Very) Brief History of Artificial Intelligence" (PDF). AI Magazine: 53–60. Archivedfrom
the original on 26 September 2007. Retrieved 30 August 2007.
Dennett, Daniel (1991). Consciousness Explained. The Penguin Press. ISBN 0-7139-9037-6.
Dreyfus, Hubert (1972). What Computers Can't Do. New York: MIT Press. ISBN 0-06-011082-1.
↑ A Logical Calculus of the Ideas Immanent in Nervous Activity ,Warren McCulloch, 1943
↑ On Computing Machinery and Intelligence, Alan Turing,1950
↑Man-Computer Symbiosis ,J.C.R. Licklider
↑ Minds, Machines and Gödel ,John Lucas ,1961
↑ Minds, Machines and Gödel
↑ 대한민국 IT포털의 중심! 이티뉴스
↑[디지털컬처]로봇과 메신저로 대화 :: 네이버 뉴스
↑http://www.wired.com/wired/archive/10.03/everywhere.html It's alive

�ݺ�ߣ

�ϼ지롵ӧ�&��;��추천��로세스갵ӄ�

Recommended

More Related Content

Similar to �ϼ지롵ӧ�&��;��추천��로세스갵ӄ� (20)

More from Jong MIn Yu (6)

�ϼ지롵ӧ�&��;��추천��로세스갵ӄ�

�ݺ�ߣ

�ϼ지롵ӧ�&������;�����추천���로세스갵ӄ�

Recommended

More Related Content

Similar to �ϼ지롵ӧ�&������;�����추천���로세스갵ӄ� (20)

More from Jong MIn Yu (6)

�ϼ지롵ӧ�&������;�����추천���로세스갵ӄ�

�ϼ지롵ӧ�&��;��추천��로세스갵ӄ�

Similar to �ϼ지롵ӧ�&��;��추천��로세스갵ӄ� (20)

�ϼ지롵ӧ�&��;��추천��로세스갵ӄ�