• 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.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 2004년도 춘계공동학술대회 논문집
• /
• pp.519-522
• /
• 2004

웹의 급격한 확산과 더불어 고객에게 맞춤화된 정보 제공의 필요성이 높아지고 있다. 또한 전자상거래 기업은 맞춤화와 개인화 서비스를 실현하기 위해서 웹 기반의 추천시스템에 많은 관심을 가지고 있다. 협업필터링(Collaborative filtering)은 개인화된 정보필터링 기법으로 추천시스템에서 가장 많이 사용되고 있다. 본 연구에서는 MovieLens 데이터 셋의 아이템속성을 고려하여 클러스터링 기반의 사례기반추론을 통한 협업필터링 추천시스템을 개발하고 기존의 방법과 제안된 모델의 성과를 비교 분석하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.95-99
• /
• 2008

유비쿼터스 환경에서 사용자는 개인용 디바이스를 이용하여 보이지 않는 수많은 자원들과 서로 연결하여 원하는 서비스를 제공 받기를 원한다. 이러한 요구사항을 만족시키기 위하여 유비쿼터스 지능 공간에 존재하는 자원들 사이의 공유가 필요하며 이를 효율적으로 수행하기 위한 연구는 새로운 연구 주제이다. 그러나 동일한 환경이라 할 지라도 각 사용자들의 상황은 서로 다르며 개인적인 성향 역시 다양하다. 그러므로 동일한 공간에서 동일한 서비스를 원하는 사용자들이라 할 지라도 현재의 상황과 사용자 개개인의 개성에 따라 필요로 하는 자원이 다른 것이 현실이다. 그러므로 본 논문에서는 사용자의 상황을 인지하여 맞춤형 자원을 추천하는 시스템을 개발한다. 추천 시스템은 사용자의 상황을 인지하기 위한 방법으로 온톨로지 기반 추론을 수행하고, 개인화 추천 서비스를 제공하기 위하여 규칙들 이용한 규칙 기반 추론 방법을 수행한다.

• 한국정보시스템학회:학술대회논문집
• /
• 한국정보시스템학회 2005년도 춘계학술대회 발표 논문집
• /
• pp.393-408
• /
• 2005

인터넷의 성장은 고객에게 많은 혜택을 주었지만, 방대한 양의 정보는 오히려 장시간의 상품 탐색과 제품 선택을 어렵게 만들었다. 이에 따라, 정보의 양을 줄여 줄 수 있는 서비스를 고객들은 요구를 하기 시작하였고, 이에 따라 다양한 방법들이 고객에게 제시 되어졌다. 제시되어진 방법 중의 하나가 개인화 추천 시스템이다. 추천 시스템은 고객의 취향과 관심에 적합한 상품을 추천 해 주는 서비스로서 상품 검색 노력을 줄여 주고, 고객의 취향에 적합한 제품을 제시 해 줌으로써 고객충성도 제고에도 많은 도움을 주고 있다. 이러한 추천 시스템에서 가장 많이 사용되어지고 있는 기법은 협업 필터링이다. 협업 필터링은 협업에서도유용한 기법으로 인정을 받았다. 하지만 희박성과 확장성이라는 문제점으로 인해 추천의 정확도가 다소 떨어진다는 것이 단점이다. 본 연구에서는 이러한 단점을 극복할 수 있는 방법으로써 Hybrid 협업 필터링 기법을제시하고, 이를 토대로 추천 기법이 혼합되어진 Hybrid 추천 시스템에 대한 개념을 제시하고자 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.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2005년도 춘계학술대회
• /
• pp.258-265
• /
• 2005

전자상거래의 확산에 따라 인터넷 쇼핑몰에서의 구매활동은 일반적인 현상이 되었다. 그 결과, 유사한 업종이나 업태의 인터넷 쇼핑몰이 범람하게 되었고 업체들 간의 경쟁도 심화되어 차별화된 서비스를 제공하지 않는 업체는 도태되기 쉬운 상황이다. 본 연구에서는 치열한 경쟁환경 하에서 인터넷 쇼핑몰의 차별화된 마케팅 서비스의 수단으로써 이용되고 있는 상품추천시스템의 개선된 모형을 제시하고자 한다. 본 연구에서 제안하는 모형은 전역 최적화 기법 중의 하나인 유전자 알고리즘을 데이터 마이닝의 도구로 활용한 인터넷 쇼핑몰에서의 개인화된 상품추천시스템 모형이다. 유전자 알고리즘은 추출하기가 어려운 소비자의 성향을 데이터를 통해 추출하고 이에 맞는 상품군을 선택할 수 있도록 해주는 최적화 기법으로 상품추천시스템의 추천엔진으로써 유용할 것으로 기대된다. 본 연구에서는 제안한 유전자 알고리즘에 기반한 추천 규칙들이 장착된 웹 기반의 개인화된 상품추천시스템의 프로토타입을 개발하고 이에 대한 실제 사용자들의 이용 만족도를 확인함으로써 본 연구에서 제안한 방법론의 유용성을 확인하고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2011년도 제43차 동계학술발표논문집 19권1호
• /
• pp.75-79
• /
• 2011

본 논문에서는 센서를 활용하여 개인의 위치 및 상황 정보를 수집하고 패턴을 분석하여 이에 따라 동적으로 서비스를 제공하는 상황인식 TV 프로그램 추천 및 제어 시스템(CAPUS)을 제안하였다. 상황인식기반 TV 응용서비스를 위하여 개인화(Personalization)기술에 적용을 할 수 있는 사례로 TV채널 추천을 예로 실험하였다. CAPUS는 유비쿼터스의 큰 축이라 할 수 있는 개인화기술을 구현할 수 있는 시스템으로 그 규모가 무척 크며 방대하다 할 수 있다. 본문에서 제안한 CAPUS는 사용자의 정보를 수집하는 에이전트, 분석하는 에이전트, 필터링하는 에이전트 등 다양한 소프트웨어와 알고리즘이 필요하다. 사용자의 정보를 동적으로 수집 및 분석하고 생성한 후에 이를 활용하여 사용자에게 다시 서비스를 제공하는 기술이 CAPUS의 핵심이라 할 수 있다. 데이터의 분석을 통해 비슷한 행동이나 상황을 파악할 수 있으며 사용자에게 맞는 서비스를 제공할 수 있게 된다.

• 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.

• 감성과학
• /
• 제9권spc3호
• /
• pp.179-185
• /
• 2006

본 연구는 다른 분야에서 성공적으로 활용되고 있는 다양한 추천 기법들을 비교하는 사례 연구를 통해 더욱 효과적인 디자인 개인화 서비스 개발의 기회를 모색하고자 하였다. 우선, 문헌연구를 통하여 '컨텐츠 기반 기법', '협력적 필터링 기법', 그리고 '인구통계적 필터링 기법'과 같은 대표적인 추천 기법들의 특징과 장단점을 고찰하였다. 다음으로 이러한 기법들이 디자인과 같은 컨텐츠를 대상으로 적용되었을 때 예상되는 추천 정확성을 분석하기 위해 실험을 실시하였다. 그 결과, 인구통계적 필터링 기법은 나머지 기법에 비해서 비교적 낮은 정확성을 보였으며 컨텐츠 기반 기법이 가장 좋은 높은 추천 정확성을 나타내었다. 아울러 협력적 필터링 기법은 참여자들의 수가 증가할수록 좀 더 높은 추천 정확성을 나타냄을 알 수 있었다. 결론적으로 디자인 추천 서비스는 컨텐츠 기반 기법이나 협력적 필터링 기법의 적용을 통해 그 추천 정확성을 향상시킬 수 있으며 대상 사용자의 수가 일정 수준 이상으로 증가된다면 협력적 필터링 기법이 가장 우수한 효율을 나타낼 가능성이 높음을 제시하였다.

• 한국컴퓨터정보학회논문지
• /
• 제16권9호
• /
• pp.19-26
• /
• 2011

최근 스마트 폰과 같은 다양한 모바일 장치들의 개발과 함께 사용자는 자신의 모바일 단말을 이용하여 개인화된 서비스를 제공받기를 원한다. 이러한 요구사항을 만족하기 위하여 모바일 장치들은 많은 기능을 제공해야하지만 모바일 장치가 소형화됨에 따라 작은 디스플레이 장치, 제한적인 입력 장치 그리고 부족한 파워와 같은 자원 제약성을 갖는다. 본논문은이러한자원의제약성을해결하고사용자에게개인화된서비스를제공하기위하여유비쿼터스환경에서 컴퓨팅 자원을 공유하여 사용자에게 서비스를 제공하기 위한 환경을 제안한다. 또한 다양한 자원들 가운데 사용자의 상황과 개인 선호도를 기반으로 최적의 자원을 추천하기 위한 방법을 제안한다. 이러한 자원 추천을 위하여 본 논문에서는 사용자의 사용 이력으로부터 행동 유형을 분석하고 이를 기반으로 개인화된 자원을 추천하기위한 방법을 사용한다. 또한 논문은 제안한 방법을 구현하고 만족도를 평가하여 유효성을 보인다.