• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2010년도 하계학술대회
• /
• pp.325-326
• /
• 2010

Web2.0 서비스가 늘어나면서, 집단의 지혜를 바탕으로 한 개인화 서비스에 대한 관심이 증가하고 있다. 유튜브(youtube) 등 에서 태그를 공유함으로써 유용한 정보에 쉽게 접근할 수 있도록 하고 있다. 이에, 본 연구에서는 사용자가 생산한 학습콘텐츠를 바탕으로 개인화 서비스를 위한 추천시스템에 관한 연구를 진행하고자 한다. 이를 위해 교육용 UCC 사이트에서 정보추천을 위해 제공하는 속성들을 바탕으로 Tag와 Rating을 이용한 UCC분류기반 추천시스템을 제안하고, 이를 위한 메타데이터와 추천시스템을 설계하고자 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (B)
• /
• pp.169-173
• /
• 2006

유비쿼터스 상거래에서 사용자가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 개인화된 추천 시스템이 등장하였다. 더 나아가서는 사용자가 원하는 아이템을 예측하고 추천해주며, 이를 위해 협력적 필터링 기술을 적용하고 있다. 이는 사용자의 성향에 맞는 아이템을 예측하고 추천하기 위하여 비슷한 선호도를 가지는 사용자들 간의 유사도 가중치를 계산한다. 본 논문에서는 속성정보에 대한 사용자의 선호도를 고려하지 않은 문제점을 개선하기 위해서 속성정보를 이용한 연관 사용자의 선호도를 협력적 필터링 기술에 반영함으로써 추천의 정확도를 높이고자 한다. 그리고 협력적 필터링의 {연관 사용자-아이템} 행렬에서 사용자들 간의 연관 관계를 유지하면서 차원 수를 감소시키기 위해 ARHP 알고리즘을 이용하여 연관 사용자 군집을 한다. 제안된 방법의 성능 평가를 하기 위해 사용자가 아이템에 대해서 평가한 MovieLens 데이터 집합을 대상으로 평가되었으며, 기존의 Nearest Neighbor Model과 K-Means 군집보다 그 성능이 우수함을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.958-960
• /
• 2022

본 논문에서 블록체인과 개인화 추천 알고리즘을 통해 사용자 데이터 기반의 카페 정보를 추천하는 시스템과 Non-Fungible Token(NFT) 자동 발행 시스템을 구축하는 방법을 제안한다. Matrix Factorization를 활용한 추천 알고리즘을 통한 맞춤형 카페 정보를 추천한다. 또한 Klaytn을 통한 KIP-17 형태의 NFT를 자동 발급하는 시스템을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.782-784
• /
• 2008

급속하게 확산된 비즈니스 웹 사이트로 인해 웹상에 상품의 정보가 기하급수적으로 증가하여 정보 과부하 문제가 발생하였다. 이를 극복하기 위해 내용 기반 추천 시스템, 협업 필터링 추천 시스템 등의 개인화 추천 시스템이 발전했으나 사용자의 성향과 아이템의 성향을 반영하지 못하고 있다. 본 연구에서는 웹상에서 사용자의 행동을 관찰하여 상품의 구매경로와 판매의 상관관계에 따라 각 사용자의 성향과 그룹의 성향, 아이템의 성향을 측정한 뒤 벡터의 내적을 이용하여 사용자의 성향에 가장 적합한 상품의 유사도를 계산하고 추천하는 시스템을 제안한다.

• 한국산업정보학회논문지
• /
• 제28권2호
• /
• pp.31-45
• /
• 2023

본 연구는 유튜브 이용자의 사용 시간이 양적으로 증대하면서 나타나는 질적 단계와 경로에 주목하였다. 그리고 심리학과 신경과학의 이론을 적용하여 추천시스템의 개인화 알고리즘과 적극이용의 구간을 세분화하였고, 이론연구와 실증연구를 병행하였다. 이론연구에서 심리학과 신경과학의 관점으로 포그의 행동모델(FBM), 가변적 보상, 도파민 중독을 적용하였다. 포그의 행동모델(FBM)은 연관 콘텐츠 제시 기능인 개인화 추천 알고리즘이 트리거(계기)로서 쉬운 클릭을 유발하고, 가변적 보상은 검색하는 콘텐츠에 대한 예측불가능성으로 동기부여의 효과성을 높이며, 도파민 중독은 도파민 신경을 자극하면 지속적 적극적으로 콘텐츠를 소비하게 하는 것으로 요약된다. 본 연구는 개인화 추천 알고리즘과 적극이용 구간에서 콘텐츠의 이용 목적을 심리적 측면에서 처음이용, 재이용, 지속이용, 적극이용의 4단계로 구분하고, 경로를 분석하였다는 점에서 학문적 실무적 기여를 할 것으로 기대한다.

• 정보과학회 논문지
• /
• 제43권11호
• /
• pp.1188-1200
• /
• 2016

추천 시스템은 개인에게 고도로 개인화된 아이템을 제공함으로써 아이템의 선택과 소비과정에서 발생하는 과부하를 줄여주고 효율성을 증대시키는 중요한 역할을 한다. 본 연구에서는 전통적인 추천 기법인 Content-Based(CB)기법과 최근 대두되는 Social Network-based(SN)기법을 접목하여 새로운 복합방식의 정보 추천 알고리즘을 제시한다. CB기법의 대표적인 한계점인 cold start problem과 SN기법에서 부족할 수 있는 추천 아이템의 전문성 문제를 상호 보완하는 형태가 되며, 특히 최근 소셜 네트워크의 특징인 비신뢰(non-trust) 기반의 영향력 있는 정보 확산자가 존재하는 환경에서 기법을 적용할 수 있도록 하였다. 또한 대부분 사람 추천 중심인 기존의 SN기법들과는 달리 사람에게 제공할 정보를 추천하는데 초점을 두며, 정보의 선정과정에서 개인의 소셜 네트워크와 실세계(real world)에서의 사회활동 정보를 모두 활용하여 더욱 더 개인화된 가치정보를 제공하고자 한다.

• 디지털융복합연구
• /
• 제10권1호
• /
• pp.309-315
• /
• 2012

모바일 네트워크 및 디바이스가 빠르게 발전하면서 스마트폰의 보급이 확산되고, 이를 활용한 다양한 부가 서비스들도 성장함에 따라 다양한 서비스를 제공할 수 있는 스마트폰은 향후 가장 주목 받는 기술로 전망되고 있다. 모바일 환경이 빠르게 발전하면서 기존의 PC에서 이루어지던 서비스가 모바일 환경으로 바뀌고 있다. 현재 사용자 추천 서비스를 위해 사용자 상황정보 모델링을 통해 사용자에게 맞는 서비스가 이루어져야 한다. 개인화 추천 서비스를 위해서는 상황인식 기술이 필수적이고, 상황인식을 위해서 상황정보의 적절한 표현 및 정의가 필요하다. 상황정보를 표현하기 위한 방법에는 온톨로지 기반 모델이 표현법이 가장 뛰어나고, 널리 쓰이고 있다. 본 논문에서는 사용자 개인화 추천 서비스를 위하여 상황 정보의 OWL 모델링을 통해 상황을 정의하였으며, 상황 추론을 위하여 추론규칙과 추론엔진을 사용한 서비스 기법을 제시하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.359-361
• /
• 2022

최근 질적인 삶의 중요성과 건강에 대한 필요성이 향상되면서 운동의 중요성에 대한 국민의 인지도가 증가했다. 체력적인 효과 심리적인 효과 면역효과 등 운동이 주는 많은 긍정적인 영향들로 인해 최근 건강관리에 대해 사람들의 관심이 많이 증가했으나 자신에게 알맞는 운동 방법을 알지 못해 정작 운동을 실천하는 수는 그 수의 절반뿐이다. 따라서 개인의 신체 알맞는 운동을 추천해 줄 수 있는 추천 시스템이 필요하다. 본 논문에서는 신장, 몸무게, 나이, 주당 운동 횟수, 성별과 같은 개인화 요소를 이용한 협업 필터링과 k-nn 을 R 시스템을 사용하여 사용자 개인 맞춤형 운동 추천 시스템을 제안한다.

• 정보화연구
• /
• 제10권2호
• /
• pp.251-261
• /
• 2013

다양한 휴대 인터넷 환경의 출현은 기존 모바일 기기의 네트워크 접근을 보다 쉽게 해주고 있다. 또한 무선 환경을 사용하는 모바일 기기 사용자는 혼자 사용하는 특징을 가지고 있으며 유선 환경보다 사용자 프로파일 정보를 쉽게 구할 수 있다. 이러한 모바일 기기의 특징은 개인화 서비스를 적용하기에 최적의 시스템이다. 본 논문에서는 모바일 기기 사용자를 위한 개인화된 모바일 음악 콘텐츠 추천 서비스를 제공한다. 이 서비스는 사용자의 액세스 히스토리(access history) 정보를 활용하여 시간에 가중치 부여를 이용한 협업 필터링 방법을 제안한다. 액세스 히스토리 정보는 사용자의 관심정보를 알아낼 수 있다. 이 정보를 이용하여 음악 장르의 선호도를 고려하고 시간에 따라 가중치를 부여하여 음악을 추천해준다. 이 방법은 기존의 음악 추천 시스템의 문제점인 사용자가 선호하는 음악장르가 시간이 지남에 따라 변화한다는 사실을 고려하지 못하는 문제점을 해결한다.