사용자가 각 온라인 쇼핑몰을 개별적으로 방문하지 않고도 쇼핑이 가능하도록 다수의 주요 포털 사이트는 가격 비교 서비스를 제공한다. 가격 비교 서비스에서 개인화된 추천 서비스를 도입함으로써, 사용자는 자신이 원하는 상품을 쉽게 발견할 수 있다. 그러나 장기간의 활동 이력이 없는 사용자들에 대하여 기존 추천 시스템은 추천을 제공하지 못 하거나 낮은 품질의 추천을 제공하는 cold-start 문제가 있다. 이 문제를 완화하기 위하여 본 논문에서는 가격 비교 서비스를 위한 추천 전략과 기법을 제안한다. 또한, 실제 가격 비교 서비스 데이터를 이용하여 제안하는 기법의 우수성을 검증한다.
Many major portal sites provide price-comparison services, allowing the customer to compare prices without visiting individual online shopping malls. Personalized recommendation would aid the customer in this process by recommending items that the customer may find attractive. However, existing methods suffer from the cold-start problem that they cannot produce recommendations or can make low-quality recommendations for users having insufficient records of their activities. To alleviate the problem, this paper proposes recommendation strategies and a graph-based recommendation method for the price-comparison services. We verify the superiority of the proposed method by comparing it with existing recommendation methods using real-world data.
