Category Archives: User-Centric AI

Recommendation system with minimized transaction data

Hwangbo, Y., Lee, K. J., Jeong, B., & Park, K. Y. (2021). Recommendation system with minimized transaction data. Data Science and Management, 4, 40-45.(pdf)

Abstract

This paper deals with the recommendation system in the so-called user-centric payment environment where users, i.e., the payers, can make payments without providing self-information to merchants. This service maintains only the minimum purchase information such as the purchased product names, the time of purchase, the place of purchase for possible refunds or cancellations of purchases. This study aims to develop AI-based recommendation system by utilizing the minimum transaction data generated by the user-centric payment service. First, we developed a matrix-based extrapolative collaborative filtering algorithm based on open transaction data. The recommendation methodology was verified with the real transaction data. Based on the experimental results, we confirmed that the recommendation performance is satisfactory only with the minimum purchase information.

사용자 중심 인공지능: 정의와 접근방법(User-Centric AI: Definition and Approach)

이경전, 황보유정, 정백, 박경양, 박종일, 사용자 중심 인공지능: 정의 와 접근방법(User-Centric AI: Definition and Approach), 2020 한국경영정보학회 추계학술대회, 2020.

Abstract

인공지능 시스템의 성능을 높이기 위해 많은 데이터가 필요하지만, 개인정보 관점에서는 사용자 정보를 최소한으로 사용할 필요가 있다. 예를 들어, 인공지능 비서 서비스의 경우, 서비스의 수준을 높이기 위하여 사용자의 정보를 필요 이상으로 수집하여 프라이버시 침해의 우려가 제기되기도 했다. 이에 따라, 프라이버시를 최대한 보호하면서, 서비스할 수 있는 기술의 필요성이 대두되고 있는데, 구글의 경우 Federated Learning을 활용하여 서버에 개인정보를 전달하지 않으면서도 맞춤형 타이핑 서비스인 Gboard를 제공하고 있다.
본 연구에서는 사용자와 기업 모두의 데이터를 직접 공유하지 않고도 서비스를 가능하게 하는 User Centric-AI(UCAI) 구조를 제안한다. 즉, UCAI는 개인 사용자의 프라이버시를 보호하고(Privacy Preserving), 사업자(기업 사용자)의 데이터를 안전하게 상호 활용하면서도(Secure Collaboration), 적절하고 새로움을 주면서, 혜택을 주는(Relevant, Novel, & Beneficial) 서비스를 제공할 수 있는 인공지능 시스템의 구조를 지향한다.
UCAI의 한 구현 알고리즘으로, 사용자의 인적 정보를 활용하지 않고 구매정보만을 활용하면서, 단일 상점 관점에서는 부족한 데이터 상황을 보완하기 위하여, 여타 상점의 구매 정보를 반영하여 추천하는 외삽적인 협업필터링(Extrapolative Collaborative Filtering; ECF) 방법론을 개발하였다. ECF 알고리즘은 Matrix 기반의 M-ECF와, 실제 데이터를 카테고리화하지 않고 자연어 그대로를 활용하여 처리할 수 있도록 Vector 기반의 V-ECF 두 가지 형태로 개발하였다. 다양한 상점의 구매정보를 파악할 수 있는 결제 데이터를 활용하여 ECF 알고리즘을 개발하였고, 사용자 중심 결제 서비스를 제공하고 있는 H결제사의 데이터를 활용하여 알고리즘을 검증하였다. 연구 결과, 인적 정보를 사용하지 않고 오로지 결제 서비스의 수행을 위해 유지하는 구매정보만 가지고, 개인의 프라이버시와 각 상점의 정보를 노출하지 않으면서, 적절한 추천이 가능함을 확인하였다. 더 나아가, H결제사 데이터로 검증 시, 상품명을 카테고리화 하지 않고 자연어 그대로 활용한 추천 또한 가능한 것으로 확인하였다.