[논문 리뷰] A Fuzzy Co-Clustering approach for Clickstream Data Pattern

R. Rathipriya, K. Thangavel|arXiv (Cornell University)|2011. 09. 30.

Recommender Systems and Techniques참고 문헌 9인용 수 5

한 줄 요약

이 논문은 사용자 및 웹 페이지를 탐색 행동 기반으로 동시에 군집화함으로써 클릭스트림 데이터의 숨겨진 패턴을 드러내는 퍼지 공군집합 알고리즘을 제안한다. 사용자가 여러 사용자 군집에 부분적으로 소속될 수 있고, 웹 페이지도 여러 웹 페이지 군집에 부분적으로 소속될 수 있도록 허용함으로써, 사용자 관심사의 정확한 식별을 향상시키고 타겟 마케팅 전략을 강화한다. 실제 데이터를 대상으로 한 실험을 통해 의미 있는 공군집합을 드러내는 데서의 효과성이 확인되었다.

ABSTRACT

Web Usage mining is a very important tool to extract the hidden business intelligence data from large databases. The extracted information provides the organizations with the ability to produce results more effectively to improve their businesses and increasing of sales. Co-clustering is a powerful bipartition technique which identifies group of users associated to group of web pages. These associations are quantified to reveal the users' interest in the different web pages' clusters. In this paper, Fuzzy Co-Clustering algorithm is proposed for clickstream data to identify the subset of users of similar navigational behavior /interest over a subset of web pages of a website. Targeting the users group for various promotional activities is an important aspect of marketing practices. Experiments are conducted on real dataset to prove the efficiency of proposed algorithm. The results and findings of this algorithm could be used to enhance the marketing strategy for directing marketing, advertisements for web based businesses and so on.

연구 동기 및 목표

• 웹사이트에서 유사한 탐색 행동을 보이는 사용자 군집을 식별하는 데 도전 과제를 해결하기 위해.
• 유사한 사용자 군집을 유치하는 웹 페이지 군집을 발견하여, 개인화 및 마케팅을 향상시키기 위해.
• 사용자와 웹 페이지가 다양한 정도의 연관성을 가진 여러 군집에 소속될 수 있도록 허용하는 퍼지 소속을 통합함으로써 기존의 공군집합을 개선하기 위해.
• 클릭스트림 데이터에서 실행 가능한 통찰을 추출함으로써 웹 사용량 마이닝을 향상시켜 기업 지능을 강화하기 위해.
• 실제 세계의 데이터셋에서 제안된 알고리즘을 검증하여 웹 기반 마케팅에 대한 실용적 적용 가능성을 입증하기 위해.

제안 방법

• 제안된 방법은 사용자와 웹 페이지를 동시에 퍼지 군집으로 나누는 공군집합 프레임워크 내에서 퍼지 c-의미 군집화를 적용한다.
• 이중 군집화 접근 방식을 사용하며, 사용자 및 웹 페이지 군집은 퍼지 소속도 기반으로 반복적으로 업데이트된다.
• 사용자 및 웹 페이지의 군집 내 거리의 균형을 유지하는 목적 함수를 최소화하며, 이때 퍼지 소속 가중치를 통합한다.
• 퍼지 소속 값은 표준 퍼지 c-의미 군집화 공식을 사용하여 업데이트되며, 이로써 사용자가 다양한 정도의 유사성으로 여러 군집에 속할 수 있다.
• 소속도 점수를 통해 사용자가 웹 페이지 군집에 대한 관심을 정량화함으로써 사용자 행동의 미세한 분석이 가능해진다.
• 반복 최적화 과정은 수렴할 때까지 계속되며, 이는 안정적이고 의미 있는 공군집합을 보장한다.

실험 결과

연구 질문

• RQ1 퍼지 공군집합은 클릭스트림 데이터에서 사용자와 웹 페이지의 이중 군집화를 효과적으로 모델링할 수 있는가?
• RQ2 하드 군집화에 비해 퍼지 소속은 사용자 관심사 식별 정확도를 얼마나 향상시키는가?
• RQ3 제안된 알고리즘은 실제 웹 사용 데이터에서 타겟 마케팅을 위한 실행 가능한 사용자 및 웹 페이지 군집을 드러낼 수 있는가?
• RQ4 실제 클릭스트림 데이터셋에서 알고리즘의 군집 품질과 안정성 측면에서 성능은 어떠한가?
• RQ5 결과로 도출된 퍼지 공군집합을 통해 사용자 탐색 행동에 대한 어떤 통찰을 도출할 수 있는가?

주요 결과

• 퍼지 공군집합 접근법은 실제 클릭스트림 데이터로부터 의미 있는 사용자 및 웹 페이지 군집을 성공적으로 식별하여 탐색 행동 패턴을 드러냈다.
• 사용자가 여러 군집에 부분적으로 소속될 수 있도록 허용함으로써, 실제 브라우징 행동을 반영하는 바탕으로 사용자 관심사의 해석 가능성이 향상되었다.
• 실제 데이터셋을 대상으로 한 실험을 통해 알고리즘이 안정적이고 일관된 공군집합을 생성하는 데서의 효과성이 확인되었다.
• 특정 웹 페이지 군집에서 유사한 관심사를 가진 사용자 군집을 식별함으로써 프로모션 활동의 보다 정교한 타겟팅이 가능해졌다.
• 결과적으로 퍼지 공군집합은 전통적인 하드 공군집합보다 더 미세한 사용자 행동 패턴을 포착하는 데에서 뛰어난 성능을 보였다.
• 제안된 접근법은 웹 기반 마케팅 및 광고 전략을 향상시키기 위한 실행 가능한 기업 지능을 제공한다.