이화여대 데이터사이언스학과와 커머스 인공지능 스타트업 에이아이닷엠(AI.M)은 공동 개발한 대화형 추천시스템 관련 연구가 ‘2025 한국컴퓨터종합학술대회(KCC 2025)’에서 우수논문상을 수상했다고 17일 밝혔다.
이번 수상 논문은 최예림 교수(이화여대 데이터사이언스학과, 에이아이닷엠 대표)를 비롯해 이화여대 정보경영연구실 소속 연구원인 최보현, 한규림, 박지윤 연구원이 공동 저자로 참여한 *‘내재적 및 외재적 제품 특성에 대한 사용자 선호 반영을 통한 대화형 추천 개선 연구’*다.
해당 연구는 대화형 추천시스템의 기존 한계를 보완하는 새로운 접근법을 제시했다. 연구팀은 사용자 구매 이력을 기반으로 대화 과정에서 명시되지 않은 제품 특성 선호를 추정하고, 내재적 속성(예: 색상, 사이즈)과 외재적 속성(예: 인기, 리뷰 만족도) 모두를 반영한 개인화 추천 시스템을 개발했다. 기존 시스템이 직접 언급된 정보 위주로 추천을 수행하는 데 반해, 본 연구는 사용자 행동 데이터를 활용해 보다 정밀한 선호 분석이 가능하다는 점에서 차별성을 갖는다.
실험 결과, 사용자 구매 이력이 일정 수준까지 누적될수록 추천 성능이 향상되었으나, 일정 건수를 초과한 이후에는 오히려 성능이 소폭 하락하는 경향도 확인됐다. 연구팀은 이를 사용자의 ‘다양성 추구 행동’과 관련된 현상으로 해석하고 있다.
최예림 교수는 “이번 연구는 대화로 직접 확인하기 어려운 외재적 속성을 추천에 반영하는 새로운 방법론을 제시했다”며, “해당 기술은 에이아이닷엠의 커머스 솔루션에 적용돼 더욱 정교한 개인화 쇼핑 경험을 제공할 수 있을 것”이라고 밝혔다.
- 관련 기사 더보기
Ewha Womans University-AI.com Industry-Academic Cooperation Wins Korea Information Science Society Outstanding Paper Award
Ewha Womans University's Department of Data Science and commerce artificial intelligence startup AI.M announced on the 17th that their jointly developed conversational recommendation system research won the Best Paper Award at the '2025 Korea Computer Conference (KCC 2025)'.
This award-winning paper is titled *'A Study on Improving Interactive Recommendations by Reflecting User Preferences for Intrinsic and Extrinsic Product Characteristics'*, co-authored by Professor Choi Ye-rim (Department of Data Science, Ewha Womans University, CEO of AI.m) and researchers Choi Bo-hyun, Han Gyu-rim, and Park Ji-yoon from the Information Management Lab at Ewha Womans University.
The study presented a new approach to complement the existing limitations of conversational recommendation systems. The research team estimated product attribute preferences that were not explicitly stated in the conversation process based on the user's purchase history, and developed a personalized recommendation system that reflects both intrinsic attributes (e.g., color, size) and extrinsic attributes (e.g., popularity, review satisfaction). While existing systems perform recommendations based on directly mentioned information, this study is different in that it enables more precise preference analysis by utilizing user behavior data.
The experimental results showed that as the user's purchase history accumulated to a certain level, the recommendation performance improved, but after a certain number of purchases was exceeded, the performance tended to slightly decrease. The research team interpreted this as a phenomenon related to the user's 'diversity-seeking behavior.'
Professor Choi Ye-rim said, “This study presents a new methodology for reflecting extrinsic attributes that are difficult to directly confirm through conversation into recommendations,” and added, “This technology can be applied to AI.com’s commerce solution to provide a more sophisticated personalized shopping experience.”
- See more related articles
梨花女子大学 – アイアイドットエム産学協力、韓国情報科学会優秀論文賞受賞
梨花女子大学データサイエンス学科とコマース人工知能スタートアップA.I.Mは、共同開発した対話型推薦システム関連研究が「2025韓国コンピュータ総合学術大会(KCC 2025)」で優秀論文賞を受賞したと17日明らかにした。
今回の受賞論文は、チェ・イェリム教授（梨花女子大学データサイエンス学科、A.I.DEM代表）をはじめ、梨花女子大学情報経営研究室所属研究員のチェ・ボヒョン、ハン・ギュリム、パク・ジユン研究員が共同著者として参加した。
この研究は、対話型推奨システムの既存の制限を補完する新しいアプローチを提示しました。研究チームは、ユーザー購買履歴に基づいて対話過程で明示されていない製品特性の好みを推定し、内在的属性（例えば、色、サイズ）と外在的属性（例えば人気、レビュー満足度）の両方を反映した個人化推薦システムを開発した。既存のシステムが直接言及された情報中心で推薦を実行するのに対して、本研究は、ユーザ行動データを活用してより正確な優先分析が可能であるという点で差別性を有する。
実験結果、ユーザー購入履歴が一定レベルまで累積するほど推奨性能は向上したが、一定件数を超えた後にはむしろ性能が小幅に低下する傾向も確認された。研究チームはこれをユーザーの「多様性追求行動」に関連する現象と解釈している。
チェ・イェリム教授は「今回の研究は対話で直接確認するのが難しい外在的属性を推薦に反映する新しい方法論を提示した」とし、「該当技術はエイアイドムのコマースソリューションに適用され、より洗練された個人化ショッピング体験を提供できるだろう」と明らかにした。
- 関連記事をもっと見る
梨花女子大学-AI.com产学合作荣获韩国信息科学学会优秀论文奖
梨花女子大学数据科学系与商业人工智能初创公司AI.M 17日宣布，双方共同开发的对话推荐系统研究荣获“2025韩国计算机会议（KCC 2025）”最佳论文奖。
这篇获奖论文的标题为《通过反映用户对内在和外在产品特征的偏好来改进交互式推荐的研究》，由崔艺琳教授（梨花女子大学数据科学系、AI.m 首席执行官）以及梨花女子大学信息管理实验室的研究员崔宝铉、韩圭琳和朴智允共同撰写。
本研究提出了一种弥补对话式推荐系统现有局限性的新方法。研究团队根据用户的购买记录，估算对话过程中未明确提及的商品属性偏好，并开发出一套个性化推荐系统，该系统既能反映商品的内在属性（例如颜色、尺寸），又能反映商品的外在属性（例如人气、评价满意度）。现有系统通常基于直接提及的信息进行推荐，而本研究的不同之处在于，它能够利用用户行为数据，实现更精准的偏好分析。
实验结果显示，随着用户的购买历史积累到一定程度，推荐效果会有所提升，但超过一定购买次数后，推荐效果会略有下降。研究团队将此解读为与用户“寻求多样性行为”相关的现象。
崔艺林教授表示：“这项研究提出了一种新方法，可以将难以通过对话直接确认的外在属性反映到推荐中”，并补充道，“该技术可以应用于AI.com的商业解决方案，以提供更加精细的个性化购物体验。”
- 查看更多相关文章
La coopération entre l'Université féminine d'Ewha et AI.com, entreprise universitaire et industrielle, remporte le prix du meilleur article de la Société coréenne des sciences de l'information.
Le département de science des données de l'université féminine d'Ewha et la startup d'intelligence artificielle commerciale AI.M ont annoncé le 17 que leur recherche sur le système de recommandation conversationnelle développé conjointement avait remporté le prix du meilleur article lors de la « 2025 Korea Computer Conference (KCC 2025) ».
Cet article primé s'intitule « Une étude sur l'amélioration des recommandations interactives en reflétant les préférences des utilisateurs pour les caractéristiques intrinsèques et extrinsèques des produits »*, co-écrit par le professeur Choi Ye-rim (Département de science des données, Université féminine d'Ewha, PDG d'AI.m) et les chercheurs Choi Bo-hyun, Han Gyu-rim et Park Ji-yoon du laboratoire de gestion de l'information de l'Université féminine d'Ewha.
L'étude a présenté une nouvelle approche pour pallier les limites actuelles des systèmes de recommandation conversationnelle. L'équipe de recherche a estimé les préférences d'attributs de produits non explicitement mentionnées dans le processus de conversation, en se basant sur l'historique d'achat de l'utilisateur, et a développé un système de recommandation personnalisé reflétant à la fois les attributs intrinsèques (couleur, taille, par exemple) et extrinsèques (popularité, satisfaction des avis, par exemple). Alors que les systèmes existants effectuent des recommandations basées sur des informations directement mentionnées, cette étude se distingue par une analyse plus précise des préférences grâce à l'exploitation des données comportementales des utilisateurs.
Les résultats expérimentaux ont montré qu'à mesure que l'historique d'achat de l'utilisateur s'accumulait, la performance de recommandation s'améliorait, mais qu'au-delà d'un certain nombre d'achats, la performance avait tendance à légèrement diminuer. L'équipe de recherche a interprété ce phénomène comme un phénomène lié au « comportement de recherche de diversité » de l'utilisateur.
Le professeur Choi Ye-rim a déclaré : « Cette étude présente une nouvelle méthodologie pour refléter les attributs extrinsèques qui sont difficiles à confirmer directement par le biais d'une conversation dans les recommandations », et a ajouté : « Cette technologie peut être appliquée à la solution commerciale d'AI.com pour offrir une expérience d'achat personnalisée plus sophistiquée. »
- Voir plus d'articles connexes
You must be logged in to post a comment.