팜킷과 단국대학교 컴퓨터공학과 박경신교수 연구실에서 공동으로 연구한 '개인 맞춤형 음식 추천 알고리즘에 대한 비교 평가 연구'가 한국정보통신학회논문지에 게재 되었습니다.
팜킷의 추천 알고리즘 방식인 사전에 식품의 속성정보를 정의하는 내용기반 추천방식(Cotents-based recommendaton)이 소비자의 음식취향을 정확하게 예측하는 정확도(Accuracy) 높은 성능을 보이고, 식품 추천 선호도/만족도 측면에서도 협업필터링방식(Collaborative Filltering)보다 우수함이 연구를 통해 입증되었습니다.
Enhance your competitive edge and accelerate revenue growth
TasteQ delivers AI-driven, preference-based curation that converts insights into measurable sales — all without the need for in-house AI teams or proprietary training data. Fast to deploy, easy to scale, and built for business impact.
Enhance your competitive edge and accelerate revenue growth
TasteQ delivers AI-driven, preference-based curation that converts insights into measurable sales — all without the need for in-house AI teams or proprietary training data. Fast to deploy, easy to scale, and built for business impact.
팜킷과 단국대학교 컴퓨터공학과 박경신교수 연구실에서 공동으로 연구한 '개인 맞춤형 음식 추천 알고리즘에 대한 비교 평가 연구'가 한국정보통신학회논문지에 게재 되었습니다.
팜킷의 추천 알고리즘 방식인 사전에 식품의 속성정보를 정의하는 내용기반 추천방식(Cotents-based recommendaton)이 소비자의 음식취향을 정확하게 예측하는 정확도(Accuracy) 높은 성능을 보이고, 식품 추천 선호도/만족도 측면에서도 협업필터링방식(Collaborative Filltering)보다 우수함이 연구를 통해 입증되었습니다.
논문바로가기: https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002944786