Commerce via the Internet (e-commerce) while providing convenience for the consumer has created a negative spillover. The wide-ranging number of product choices presented inhibits the consumer’s decision-making ability. The customer is no longer able to effectively choose products they wish to purchase. Thus the convenience of e-commerce (economic advantages) is negated. In order to alleviate information overload, e-commerce providers have developed a recommender system. This system aids consumers by limiting their options to relevant choices. This paper combines two models: Latent Semantic Indexing (LSI) and Fuzzy Synthetic Judgment (FSJ) to no narrow product choices and finally produce a product recommendation to customers. Specifically, the paper proposes to use SVD, a subset of LSI to produce products related (neighbors) to the consumer’s wants. The object of LSI is to create a full-rating matrix of related or neighbor products based on their respective Pearson’s Correlation Coefficient. Then, a fuzzy synthetic judgment method is used to calculate recommendations. Lastly, in order to provide a clearer understanding of the proposed recommender process, we will demonstrate the requisite calculations through an application. In addition to clarifying the process, the example will serve to help validate the proposed model.
전자상거래의 급격한 성장은 소비자가 더 이상 효과적으로 원하는 상품을 선택할 수 없을 정도로 상품을 과적하고 있다. 인터넷을 이용한 구매자의 상품 과적을 극복하기 위해서 다양한 추천자 시스템들이 개발되어졌다. 대부분 대형의 상업용 웹 사이트들은 이미 그들의 소비자들이 구매하고자 하는 상품들을 찾을 수 있도록 추천자 시스템을 제공하고 있다. 추천자 시스템은 소비자들의 구매성향을 파악해서 이들에게 이용 가능한 상품들 중에서 가장 가치가 높은 것을 찾을 수 있도록 상품을 추천한다. 본 논문에서는 구매자들이 자기가 원하는 상품의 근접 상품을 찾기 위해 SVD(singular value decomposition)를 이용하고, 그리고 아직 상품의 가치가 정해지지 않은 상품의 가치를 예측하기 위하여 최근접 방법을 이용한다. 이 방법은, 실제 구매자들에게는 빈 공간이 없는 행렬을 제공할 수 있다. 그리고, 나서 상품의 추천을 계산하기 위한 알고리즘에 기초한 Fuzzy 합성 판단 방법을 제공한다. 본 논문에서는 제안한 알고리즘에 대한 타당성을 증명하기 위하여 사례연구로 실시하였다.