- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구는 대학 도서관 사용 증진을 위하여 개인별 맞춤 도서 추천시스템을 구축하는 것을 목적으로 한다. 특히 사용자의 아이템에 대한 선호도가 존재하는 다수의 추천시스템과는 달리, 선호도가 존재하지 않을 때에 도서 추천이 가능하도록 하는 방안인 도서관 이용자의 도서 대출 목록과 성향을 활용하여 평가지표를 생성하는 방법을 제안하고자 한다. 이용자가 아직 읽지 않은 책에 대한 예상 선호도를 산출하는 방식으로 도서를 추천하는 행렬 분해 방법인 Singular Value Decomposition(SVD)과 Stochastic Gradient Descent(SGD) 알고리즘을 활용한 모델을 구축했다. 더불어 유사도가 높은 이용자 그룹 내의 도서 대출 목록을 참조하여 추천하는 사용자 기반 협업 필터링 알고리즘을 활용해 모델을 구현했다. 최종적으로 평가지표를 활용한 세 가지 모델에 대하여 사용자 평가를 진행했다. 각각의 모델이 제시한 개인별 맞춤 도서 다섯 권의 목록을 해당 대출자에게 제공하고, 추천 도서에 대한 만족/불만족 여부를 이진화 점수화하여 모델에 대한 평가를 진행했다.
Abstract
The purpose of this study is to propose a personalized book recommendation system to promote the use of university libraries. In particular, unlike many recommended services that are based on existing users’ preferences, this study proposes a method that derive evaluation metrics using individual users’ book rental history and tendencies, which can be an effective alternative when users’ preferences are not available. This study suggests models using two matrix decomposition methods: Singular Value Decomposition(SVD) and Stochastic Gradient Descent(SGD) that recommend books to users in a way that yields an expected preference score for books that have not yet been read by them. In addition, the model was implemented using a user-based collaborative filtering algorithm by referring to book rental history of other users that have high similarities with the target user. Finally, user evaluation was conducted for the three models using the derived evaluation metrics. Each of the three models recommended five books to users who can either accept or reject the recommendations as the way to evaluate the models.
초록
이 연구에서는 COVID-19 발병 전후 대학도서관 홈페이지 실제 이용 데이터를 조사하여 이용자들의 이용행태를 분석하고, 바이러스 발병 이전과 이후의 데이터를 대조하여, 팬데믹 상황에서 대학도서관이 보다 효율적인 정보서비스를 할 수 있도록 개선방안을 제안하고자 한다. 이 연구는 C대학교 홈페이지에서 이루어진 이용자 트래픽을 ‘구글애널리틱스를 활용하여’, COVID-19 바이러스가 발병하기 이전인 2018년 1월부터 2018년 12월까지와 바이러스 발병 이후인 2020년 1월부터 2020년 12월까지를 비교분석하였다. 웹 트래픽 변수는 세션, 사용자, 페이지뷰 수, 세션당 페이지 수, 평균 세션 시간, 이탈률을 측정지표를 기준으로 ‘이용자 정보’, ‘경로’, ‘사이트 행동’ 3가지 특성으로 구분하여 분석하였다. 연구결과를 요약하면, 첫째, COVID-19 발병 이전 1월 1일부터 1월 20일까지의 데이터와 대조했을 때, 2018년 이후 사용자, 신규방문자, 세션 모두 3년 동안 감소하였지만, 2020년은 2019년 대비 사용자, 신규 방문자, 세션 모두 증가하였으며, 2020년 바이러스 발병 이전 상승세를 보였던 사용자당 세션 수, 페이지뷰 수, 세션당 페이지 수가 크게 증가하였다. 둘째, 사회적 거리 두기 2단계로 격상함에 따라 대학도서관 홈페이지 이용 추이에도 변화가 나타났다. 재학생이 가장 적었던 2020년, 2018년 대비 2020년에 페이지뷰가 10만 뷰 더 증가했으며, 세션당 페이지 수 역시 2018년 대비 약 2페이지를 더 조회한 10.46을 기록했다. 이탈률 역시 2018년, 2019년 14.38을 기록한데 반해, 2020년 1% 포인트 가량 감소한 13.05를 기록하여 사회적 거리 두기 단계가 격상한 시점에, 더욱 활발한 홈페이지 이용이 이루어졌다.
Abstract
In this study, by examining the actual usage data of the university library website before and after COVID-19 outbreak, the usage behavior of users was analyzed, and the data before and after the virus outbreak was compared, so that university libraries can provide more efficient information services in a pandemic situation. We would like to suggest ways to improve it. In this study, the user traffic made on the website of University C was ‘using Google Analytics’, from January 2018 to December 2018 before the oneself of the COVID-19 virus and from January 2020 to 2020 after the outbreak of the virus. A comparative analysis was conducted until December. Web traffic variables were analyzed by classifying them into three characteristics: ‘User information’, ‘Path’, and ‘Site behavior’ based on metrics such as session, user, number of pageviews, number of pages per session time, and bounce rate. To summarize the study results, first, when compared with data from January 1 to January 20 before the oneself of COVID-19, users, new visitors, and sessions all increased compared to the previous year, and the number of sessions per user, number of pageviews, and number of pages per session, which showed an upward trend before the virus outbreak in 2020, increased significantly. Second, as social distancing was upgraded to the second stage, there was also a change in the use of university library websites. In 2020 and 2018, when the number os students was the lowest, the number of page views increased by 100,000 more in 2020 compared to 2018, and the number of pages per session also recorded10.46, which was about 2 more pages compared to 2018. The bounce rate also recorded 14.38 in 2018 and 2019, but decreased by 1 percentage point to 13.05 in 2020, which led to more active use of the website at a time when social distancing was raised.