실천공학교육논문지 (Journal of Practical Engineering Education)

  • 제13권1호
  • /
  • Pages.95-100
  • /
  • 2021
  • /
  • 2288-405X(pISSN)
  • /
  • 2288-4068(eISSN)
한국실천공학교육학회 (Korean Institute for Pratical Engineering Education)
권호 표지
DOI QR코드

DOI QR Code

협업 필터링 추천 시스템을 이용한 관심사 기반 자동 생성 앱 서비스

Interest-based Auto-creation App Service Using Collaborative Filtering Recommendation System

  • 이경형 (한국기술교육대학교 컴퓨터공학부) ;
  • 나윤재 (한국기술교육대학교 컴퓨터공학부) ;
  • 이기주 (한국기술교육대학교 컴퓨터공학부) ;
  • 주동민 (한국기술교육대학교 컴퓨터공학부) ;
  • 문일영 (한국기술교육대학교 컴퓨터공학부)
  • 투고 : 2020.10.14
  • 심사 : 2020.11.03
  • 발행 : 2021.04.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

협업 필터링 추천 시스템을 적용한 여행지 추천 시스템과 사용자가 선택한 경유지 기반 여행 경로 추천 서비스를 안드로이드 네이티브 앱으로 제공한다. JWT와 Rest API를 사용하여 앱 서비스를 구현하는 방법에 대해 논하며, 특히, 협업 필터링 추천 시스템과 서비스를 연동하는 방법에 대해 서술한다. 사용자가 본인의 희망 여행지를 결정하면 선택한 희망 여행지 목록을 비교하여 가장 비슷한 유저를 찾아낸다. 사용자는 본인과 가장 비슷한 희망 여행지 목록을 가진 유저의 또 다른 여행지를 추천받는다. 본 앱 서비스는 사용자의 희망 여행지 목록과 추천 여행지를 가장 효율적으로 순회할 수 있는 여행 경로를 자동 생성하여 제공한다. 기차 여행을 계획하는 사용자의 효율적인 정보 수집을 위해 다양한 서비스를 제공한다.

The app service provides a travel destination recommendation system with a collaborative filtering recommendation system and a route-based travel recommendation service. It describes how to implement app service, especially, how to interlock collaborative filtering recommendation system with JWT and Rest API. A user can be offered the other user who has the most similar destination list and the destinations which is selected by the other user(similar) and isn't selected by the user. App service provides the most efficient route to tour the user's determined wish list and recommended destinations. Various services are provided for efficient information gathering of users planning train trips.

키워드

과제정보

이 논문은 2021년도 정부(교육부)의 재원으로 한국연구재단의 지원을 받아 수행된 기초연구사업(No. 2018R1D1A3B07049722) 및 2021년도 한국기술교육대학교 교수교육연구진흥과제 지원에 의하여 연구되었음.

참고문헌

  1. G. Bresler, D. Shah, and L. F. Voloch, "Collaborative filtering with low regret," Association for Computing Machinery, SIGMETRICS '16: Proceedings of the 2016 ACM SIGMETRICS International Conference on Measurement and Modeling of Computer Science, pp. 207-220, June 2016.
  2. J. H. Hwang, PHP Programming Introduction, Hanbit Academy, 2013.
  3. J. K. Son, "Vulnerability analysis and secure coding implementation measures for authentication server based on JWT", The Korean Institute of Information Scientists and Engineers, Korea Software Congress 2016, pp. 835-837, December 2016.
  4. J. O. Song, H. K. Kwak, J. J. Cho, S. M. Lee, "A study on collaborative filtering method based on social behavior for performance contents recommendation," The Korean Society of Computer and Information, the 2019 KSCI Winter Conference, vol. 27, no. 1, pp. 437-438, January 2019.
  5. S. Li, A. Karatzoglou, and C. Gentile, "Collaborative filtering bandits," Association for Computing Machinery, SIGIR '16: Proceedings of the 39th International ACM SIGIR conference on Research and Development in Information Retrieval, pp. 539-548, July 2016.
  6. J. L. Herlocker, J. A. Konstan, and J. Riedl, "Explaining collaborative filtering recommendations," Association for Computin Machinery, CSCW '00: Proceedings of the 2000 ACM Conference on Computer Supported Cooperative Work, pp. 241-250, December 2000.
  7. M. Weimer, A. Karatzoglou, and A. Smola, "Adaptive collaborative filtering," Association for Computing Machinery, Association for Computing Machinery, pp. 275-282, October 2008.