KCI등재
대규모 단체급식 데이터를 활용한 음식 메뉴 군집화와 추천 시스템 성능 비교
저자
발행기관
학술지명
권호사항
발행연도
2021
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
17-34(18쪽)
KCI 피인용횟수
0
DOI식별코드
제공처
데이터의 양이 기하급수적으로 증가하고 이를 처리할 수 있는 분석 방법이 발전함에 따라 개인의 선호를 반영한 제품과 서비스를 제안하기 위해 다양한 분야에서 추천 시스템이 활용되고 있다. 추천 시스템을 통하 여 소비자의 선호를 예측할 수 있게 되면 제품과 서비스에 대한 수요예측이 보다 정확해지고 이는 재고관리 등에 있어서 자원을 보다 효율적으로 운영할 수 있다. 대규모의 소비자를 상대로 선호를 파악하고 이를 수요 예측에 반영하는 방법으로 추천 시스템을 활용할 수 있으나, 음식 메뉴의 추천을 위해 선택이 제한된 상황에 서의 소비자 선택 정보를 활용하여 군집화를 시도하거나 추천 시스템의 성능을 비교한 연구는 드물다. 본 연구에서는 대규모 단체급식에서 발생한 음식 메뉴에 대한 소비자의 선택정보를 활용하여 음식 메뉴를 군집화하고 추천 시스템 알고리즘 간의 성능을 비교하였다. 단체 급식에는 다양한 선호를 가지고 있는 소비자 들을 만족시키기 위해 다양한 음식 메뉴를 제공할 수 없는 한계가 있다. 소비자의 선호를 보다 정확하게 반영 하게 되면 제한된 음식 메뉴로도 소비자의 만족도를 향상시킬 수 있고 식사를 제공하는 입장에서는 잔반을 최 소화하고 원재료의 적정 재고 운영을 통해 자원의 효율적인 운영이라는 목적을 달성할 수 있다. 따라서 본 연 구에서는 대규모 단체급식에서 발생한 음식 메뉴에 대한 소비자의 선택과 비선택의 정보를 활용하여 음식 메 뉴의 군집화를 시도하고, 나이브베이즈 분류기를 통해 각 군집의 특성을 제시하였다. 또한 2~3개의 선택 가능한 메뉴 중에서 소비자가 선택을 하는 음식 메뉴에 대한 선택정보만을 반영하였을 경우와 비선택의 경쟁 정보를 추가하여 반영한 두 가지 경우에 대한 추천 시스템 알고리즘 간의 성능 차이를 비교하였다. 단체급식 데이터를 활용하여 군집 분석을 한 결과 음식 메뉴는 8개의 군집으로 나눌 수 있었으며 각 군집 의 특성은 나이브베이즈 분류를 통해 소비자의 인구통계 정보 및 음식 메뉴의 특성으로 설명이 가능한 것으 로 나타났다. 음식 메뉴의 추천 시스템 성능은 대중적인 메뉴를 추천하는 경우가 예측 성능이 가장 우수한 것으로 나타났으며, 소비자가 선택한 아이템에 대한 정보뿐만 아니라 선택되지 않은 정보를 반영하면 추천 시스템 성능이 향상되는 것으로 나타났다. 이러한 연구는 음식 메뉴의 추천에 있어서 군집화 정보를 활용하고 선택의 기회가 있는 경우에는 비선택 의 경쟁 정보까지 반영하여 추천 시스템을 구성함으로써 추천 성능을 향상시킬 수 있다는 것을 제시하고 있 다. 대규모 단체급식에서 소비자의 선호를 바탕으로 군집화를 하고 추천의 정확도를 높이는 연구는 자원의 효율적 운영을 위한 수요예측의 기초자료로 활용이 될 수 있다.
더보기As the amount of data increases exponentially and an analysis method capable of processing it develops, recommendation systems are being used in various fields to propose products and services that reflect individual preferences. When consumers' preferences can be predicted through the recommendation system, demand forecasts for products and services become more accurate, and resources can be operated more efficiently in inventory management, etc. The recommendation system can be used as a method of identifying preferences for large-scale consumers and reflecting them in demand forecasting. But there are few studies that attempts to cluster by using consumer selection information in situations where selection is limited for recommendation of meal menus or performance of the recommendation system. In this study, meal menus were clustered using the consumer's selection information for meal menus generated in large-scale company cafes, and the performance of recommendation system algorithms was compared. Large-scale company cafes have a limit in that they cannot provide a variety of meal menus to satisfy consumers with various preferences. If consumers' preferences are more accurately reflected, consumers' satisfaction can be improved even with limited meal menus, and from the standpoint of providing meals, the goal of efficient operation of resources can be achieved by minimizing leftovers and operating an appropriate inventory of raw materials. Therefore, in this study, we attempted to cluster meal menus by using the information of consumers' choice and non-selection on meal menus that occurred in large-scale company cafes and presented the characteristics of each cluster through the Naive Bayes classifier. In addition, performance differences between the recommendation system algorithms were compared in the case of reflecting only the selection information for the meal menu selected by the consumer from among 2 to 3 selectable menus, and the two cases reflecting by adding competition information of non-selection. As a result of cluster analysis using group meal data, the meal menu could be divided into 8 clusters, and the characteristics of each cluster could be explained by the consumer's demographic information and the characteristics of the meal menu through the Naive Bayes classification. As for the performance of the meal menu recommendation system, the case of recommending the popular menu showed the best prediction performance, and it was found that the performance of the recommendation system was improved by reflecting not only the information on the item selected by the consumer but also the information not selected. This study suggests that the recommendation performance can be improved by constructing a recommendation system by utilizing clustering information in recommending meal menus and reflecting competition information of non-selection when there is an opportunity for selection. In large-scale group catering, research on clustering based on consumer preferences and increasing the accuracy of recommendations can be used as basic data for demand forecasting for efficient management of resources.
더보기분석정보
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2027 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2021-01-01 | 평가 | 등재학술지 유지 (재인증) | KCI등재 |
2018-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2015-01-01 | 평가 | 등재학술지 유지 (등재유지) | KCI등재 |
2012-01-01 | 학술지명변경 | 한글명 : 경영정보연구 -> 경영과 정보연구외국어명 : Management Information Review -> Management & Information Systems Review | KCI등재 |
2011-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | KCI등재 |
2010-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | KCI후보 |
2009-01-01 | 평가 | 등재후보 1차 FAIL (등재후보1차) | KCI후보 |
2007-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | KCI후보 |
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.98 | 0.98 | 0.91 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.95 | 0.97 | 1.06 | 0.18 |
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)