카드 데이터 기반 심층 관광 추천 연구 = Card Transaction Data-based Deep Tourism Recommendation Study

국문 초록 (Abstract)

관광산업에서 발생하는 방대한 카드 거래 데이터는 관광객의 소비 행태와 패턴을 암시하는 중요한 자원이 되었다. 거 래 데이터에 기반을 둔 스마트 서비스 시스템을 개발하는 것은 관광산업과 지식관리시스템 개발자들의 주요한 목표들 중 하나이다. 그러나 기존 추천 기법의 근간이 되어 온 평점을 활용하기 어렵다는 점은 시스템 설계자들이 학습 과정을 평가하기 어렵게 한다. 또한 시간적, 공간적, 인구통계학적 정보와 같이 추천 성과를 높일 수 있는 보조 요소들을 적절히 활용하는 방법도 어려운 상황이다. 이러한 문제들에 대하여 본 논문은 카드 거래 데이터를 기반으로 관광 서비스를 추천 하는 새로운 방식인 CTDDTR을 제안한다. 먼저 Doc2Vec를 이용하여 시간성 선호도를 임베딩하여 관광객 그룹과 서비 스 벡터로 데이터를 표현하였다. 다음 단계로 딥러닝 기술 중 하나인 다중 계층 퍼셉트론을 도입하여 얻어진 벡터와 관 광 RDF로부터 도출한 보조 요소를 통합하여 심층 추천 모듈을 구성하였다. 추가로, 지식경영 분야의 RFM 분석 기법을 심층 추천 모듈에 도입하여 심층 신경망을 학습하는데 사용되는 평점을 생성함으로써 평점 부재 문제에 대응하였다. 제 안한 CTDDTR의 추천 성능을 평가하기 위해 제주도에서 8년 동안 발생한 카드 거래 데이터를 사용하였고, 제안된 방법의 우수한 추천 성능과 보조 요소의 효과를 증명하였다.

참고문헌 (Reference)

1 최영제 ; 문현실 ; 조윤호, "트랜잭션 기반 추천 시스템에서 워드 임베딩을 통한 도메인 지식 반영" 한국지식경영학회 21 (21): 117-136, 2020

2 정영진 ; 조윤호, "온라인 구매 행태를 고려한 토픽 모델링 기반 도서 추천" 한국지식경영학회 18 (18): 97-118, 2017

3 문현실 ; 임진혁 ; 김도연 ; 조윤호, "시각 정보를 활용한 딥러닝 기반 추천 시스템" 한국지식경영학회 21 (21): 27-44, 2020

4 김태경 ; 구철모 ; 정남호, "스마트관광에서 웹 메타 데이터의 의미와 활용 방안" 한국관광연구학회 35 (35): 5-21, 2021

5 Musto, C, "Word embedding techniques for content-based recommender systems: An empirical evaluation" 2015

6 Esmeli, R, "Using Word2Vec recommendation for improved purchase prediction" 1-8, 2020

7 Chen, L, "Travel recommendation via fusing multiauxiliary information into matrix factorization" 11 (11): 1-24, 2020

8 Fessahaye, F, "T-RECSYS : A novel music recommendation system using deep learning" 1-6, 2019

9 Tahmasebi, H, "Social movie recommender system based on deep autoencoder network using Twitter data" 33 (33): 1607-1623, 2021

10 Hong, M, "Sentiment aware tensor model for multi-criteria recommendation" 1-20, 2022

11 Liu, Q, "STAMP: Short-term attention/memory priority model for session-based recommendation" 1831-1839, 2018

12 Lu, J, "Recommender system application developments: A survey" 74 : 12-32, 2015

13 Rakesh, V, "Probabilistic social sequential model for tour recommendation" 631-640, 2017

14 Zhao, P, "Photo2Trip : Exploiting visual contents in geo-tagged photos for personalized tour recommendation" 33 (33): 1708-1721, 2021

15 Kotiloglu, S, "Personalized multi-period tour recommendations" 62 : 76-88, 2017

16 Tan, C, "Object-oriented travel package recommendation" 5 (5): 1-26, 2014

17 He, X, "Neural collaborative filtering" 173-182, 2017

18 Baek, J. W, "Multimedia recommendation using Word2Vec-based social relationship mining" 80 (80): 1-17, 2020

19 Hong, M, "Multi-criteria tensor model for tourism recommender systems" 170 : 114537-, 2021

20 Hong, M, "Multi-criteria tensor model consolidating spatial and temporal information for tourism recommendation" 13 (13): 5-19, 2021

21 Misztal-Radecka, J, "Meta-User2Vec model for addressing the user and item cold-start problem in recommender systems" 31 (31): 261-286, 2021

22 Li, M, "Matrix factorization for personalized recommendation with implicit feedback and temporal information in social ecommerce networks" 7 : 141268-141276, 2019

23 Cai, G, "Itinerary recommender system with semantic trajectory pattern mining from geo-tagged photos" 94 : 32-40, 2018

24 Thasal, R, "Information retrieval and de-duplication for tourism recommender system" 5 (5): 1683-1687, 2018

25 Pessemier, T. D, "Hybrid group recommendations for a travel service" 76 (76): 2787-2811, 2017

26 Awangga, R. M, "GURILEM : A novel design of customer rating model using K-Means and RFM" 7 (7): 404-422, 2019

27 Ozsoy, M. G, "From word embeddings to item recommendation"

28 Vuong Nguyen, L, "Extending collaborative filtering recommendation using word embedding: A hybrid approach" e6232-, 2021

29 Le, Q. V, "Distributed representations of sentences and documents" 1188-1196, 2014

30 Chen, L, "Distributed matrix factorization based on fast optimization for implicit feedback recommendation" 56 (56): 49-72, 2021

31 He, K, "Deep residual learning for image recognition" 770-778, 2016

32 Fudholi, D. H, "Deep learning-based mobile tourism recommender system" 8 (8): 111-118, 2021

33 Zhang, S, "Deep learning based recommender system : A survey and new perspectives" 52 (52): 1-38, 2019

34 Hong, M, "Decrease and conquer-based parallel tensor factorization for diversity and real-time of multi-criteria recommendation" 562 : 259-278, 2021

35 Al-Ghossein, M, "Cross-domain recommendation in the hotel sector" 1-6, 2018

36 Guo, L, "Collaborative filtering recommendation based on trust and emotion" 53 (53): 113-135, 2019

37 Katarya, R, "CAPSMF : A novel product recommender system using deep learning based text analysis model" 79 (79): 35927-35948, 2020

38 Wang, M, "Applying internet information technology combined with deep learning to tourism collaborative recommendation system" 15 (15): e0240656-, 2020

39 Zheng, X, "A tourism destination recommender system using users' sentiment and temporal dynamics" 51 (51): 557-578, 2018

40 Park, S. T, "A study on topic models using Lda and word2vec in travel route recommendation : Focus on convergence travel and tours reviews" 26 : 1-17, 2020

41 Zhu, G, "A recommendation engine for travel products based on topic sequential patterns" 76 (76): 17595-17612, 2017

42 Esmaeili, L, "A novel tourism recommender system in the context of social commerce" 149 : 113301-, 2020

43 Nassar, N, "A novel deep multi-criteria collaborative filtering model for recommendation system" 187 : 104811-, 2020

44 Shambour, Q, "A deep learning based algorithm for multi-criteria recommender systems" 211 : 106545-, 2021

45 Chaudhari, K, "A comprehensive survey on travel recommender systems" 27 (27): 1-27, 2019

46 Liu, Q, "A cocktail approach for travel package recommendation" 26 (26): 278-293, 2014

47 Sharifihosseini, A., "A case study for presenting bank recommender systems based on bon card transaction data" 72-77, 2019