• Proceedings of the Korean Statistical Society Conference
• /
• 2003.10a
• /
• pp.307-311
• /
• 2003

개인화된 추천시스템(recommendation system)은 자동화된 정보 필터링 기술을 적용하여 고객의 취향에 맞는 아이템(상품, 기사, 컨텐츠 등)을 추천하는 시스템이다. 이러한 추천시스템에서 가장 중요한 것은 고객의 특성을 정확히 파악하여 가장 적절한 아이템을 추천해 줄 수 있는 능력이라고 할 수 있다. 본 연구에서는 추천시스템을 위해 제안된 여러 알고리즘들을 소개하고 그 특징들을 비교하였으며, 연관성규칙발견과 군집분석을 이용한 추천시스템 알고리즘을 실제 자료에 적용하여 그 결과를 살펴보았다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.585-590
• /
• 2007

기업과 소비자간 일대일 상호작용을 가능하게 하는 전자상거래의 기술적 발달을 통해 소비자에게 더 나은 웹 경험을 제공하기 위해 개인화 서비스를 제공하고 있다. 개인화 추천을 수행하기 위해서는 추천을 받을 사용자와 유사한 다른 사용자들의 선호도를 반영하는 협업 필터링 기법이 많이 활용되고 있으며, 많은 사이트들이 추천을 받은 사용자에게 유사한 사용자들을 보여주어 사회망 연결을 위한 기회를 제공하고 있다. 본 연구에서는 웹 기반 개인화 추천 시스템을 이용하여 사용자에게 효과적으로 제품을 추천하기 위해서, 사회적 실재감(Social Presence)이 추천시스템의 만족도에 미치는 영향에 관하여 연구하고자 한다. 또한, 사회적 실재감을 높이기 위한 방안으로 사회망(Social Network) 데이터의 제시를 통해 다양한 차원의 사회적 실재감과 추천시스템에 대한 만족도 및 신뢰간의 영향관계를 분석한다. 이를 위해 실험집단을 나누어 세 가지 차원의 사회적 실재감을 부여하고, 집단간의 추천 시스템에 대한 신뢰와 만족도간에 차이가 있는지를 분석하였다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.05a
• /
• 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.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.127-130
• /
• 2006

소비자가 최적의 상품을 선택하기 위해서는 충분한 상품정보를 파악하여 상품정보를 일일이 조사해야하는 번거로움이 생긴다. 이러한 문제점을 해결하기 위하여 여러 가지 상품추천방법이 제안되고 있으나 상품추천 과정에서 고객의 기호 변화를 다루는 연구가 부족하다. 본 논문에서는 소비자의 기호 변화에 적응하는 개인화 된 상품 추천을 위하여 베이지안 네트워크를 모델링하여 상품 구매에 따르는 선호도를 분석하고, 추천된 상품에 대한 사용자의 행동으로 관심 정도를 측정하여 추천 리스트를 제공한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.685-687
• /
• 2005

본 연구에서는 관광정보를 온톨로지로 구축하고, 개인화 추천 방법들 중 규칙 기반 필터링과 학습 에이전트를 적용하여 사용자에게 관광 정보를 정확하게 추천하기 위한 시스템을 설계하였다. 여기에서는 제주도 관광에 관한 정보의 일부를 개인화 추천 시스템에 적합하도록 각각의 도메인 온톨로지로 구축하였으며, 이 도메인 온톨로지를 이용하여 사용자가 선호하는 관광정보를 추천하고, 온톨로지의 클래스들 사이의 관계를 통해 추천된 관광정보와 관련있는 필요한 정보를 추천함으로써 사용자에게 더욱 정확하고 의미적인 정보를 제공할 수 있는 개인화 추천 시스템을 설계하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.23 no.1
• /
• pp.7-11
• /
• 2013

Taking experts' knowledge to recommend items has shown some promising results in recommender system research. In order to improve the performance of the existing recommendation algorithms, previous researches on expert-based recommender systems have exploited the knowledge of a common expert group for all users. In this paper, we study a problem of identifying personalized experts within a user group, assuming each user needs different kinds and levels of expert help. To demonstrate this idea, we present a framework for using Support Vector Machine (SVM) to find varying expert groups for users; it is shown in an experiment that the proposed SVM approach can identify personalized experts, and that the person-alized expert-based collaborative filtering (CF) can yield better results than k-Nearest Neighbor (kNN) algorithm.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• pp.587-590
• /
• 2020

최근, 디지털 콘텐츠 산업이 폭발적으로 성장됨에 따라 고객 유치를 위한 개인화 추천 기술들이 많은 주목을 받고 있다. 개인화 추천 방식들을 큰 갈래로 나누어 본다면 협업 필터링 기술과 내용 기반 기술로 나눌 수 있다. 협업 필터링의 경우 개인화 추천에는 적합하지만 사용자 평가 데이터의 양이 방대해야 하며 초기에 평가자가 없는 콘텐츠에 대해 추천할 수 없는 초기 평가자 문제가 존재한다. 따라서 매일 방대한 양의 콘텐츠가 편입되는 분야에서 사용하기에 큰 결점이 될 수 있다. 본 논문에서는 영화들의 정보가 담긴 데이터 셋과 사용자 평가 데이터, 그리고 사용자의 선호 기준을 의미하는 메타 가중치를 활용한 내용 기반의 맞춤형 영화 추천 시스템을 제안한다. 논문에서는 먼저, 영화를 고를 때 일반적으로 중요시 보는 속성들을 활용하여 영화의 특징 벡터를 구성하고, 이를 사용자 평가와 결합하여 개인의 선호에 대한 특징 벡터를 구성하는 방법을 제안하며, 구성된 데이터와 코사인 유사도, 메타 가중치를 활용하여 사용자 선호와 유사한 영화들을 도출하는 방법을 제안한다. 또한, 평가데이터를 활용하여 구현된 추천시스템의 검증 프로세스를 구성하고, 검증 프로세스를 활용한 손실 함수를 설계하여 적합한 메타 가중치를 학습하는 방법을 제시한다. 본 논문에서 제안하는 시스템은 다수의 속성을 조합하여 활용하므로 추천 결과가 과도하게 특수화 되지 않을 수 있으며, 메타 가중치라는 요소를 통해 더욱 개인화 된 추천을 제공할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.109-112
• /
• 2006

최근 대용량 추천시스템에 대한 필요성이 증가하고 있고, 특히 대규모 인터넷 쇼핑몰을 위한 개인화 추천 시스템 구조에 대한 관심이 높아지고 있다. 본 논문에서는 k-means 클러스터링과 순차 패턴 기법을 이용한 인터넷 쇼핑몰 상품 추천 시스템을 설계 및 구현한다. 사용자 정보의 일괄처리와 카테고리의 계층적 특성을 반영하면서 데이터 마이닝 기법을 활용하여 개인화된 추천 엔진을 대형 시스템에서 동작하도록 설계 하였다. 설계 구현한 시스템의 평가를 위해, 대형 쇼핑몰의 데이터를 이용하여 추천 예측 정확율(PRP: Predictive Recommend Precision), 추천 예측 재현율(PRR: Predictive Recommend Recall), 정확도 인수(PF1 : Predictive Factor One-measure)를 구하였다.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2004.10a
• /
• pp.657-660
• /
• 2004

규칙기반의 상품추천시스템은 많은 인터넷 쇼핑몰에서 활용되고 있지만 규칙을 추출할 수 있는 마케팅 전문가 확보와 방대한 양의 고객 데이터 처리의 어려움으로 유용한 규칙을 찾는 것이 매우 어렵다. 본 연구에서는 이러한 규칙기반 상품추천시스템의 단점을 보완할 수 있는 방법으로 전역 최적화 기법의 하나인 유전자 알고리즘을 활용하여 고객정보를 토대로 추천 규칙을 도출할 수 있는 방안을 제시한다. 또한 본 연구에서 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.587-590
• /
• 2016

최근 통신 기술의 발달로 온라인을 통한 대규모 콘텐츠의 유통이 가능해졌으나, 사용자들은 수많은 콘텐츠 사이에서 원하는 정보를 찾는 시간이 단축되는 것을 원했다. 이로 인해 다양한 분야에서 개인화된 콘텐츠를 추천해주는 추천 시스템(recommendation system)에 대한 요구가 점차 높아졌다. 그럼에도 불구하고 시니어를 위한 추천 시스템에 대한 연구는 매우 부족하다. 또한, 시니어 세대의 변화에 따라 시니어 관련 콘텐츠 연구도 다양하게 진행되고 있으나, 스마트 기기 및 서비스가 젊은 층에 친화적으로 개발됨으로써 시니어 층의 접근성을 감소시키고 있다. 이에 본 연구에서는 다양한 신체적 변화를 겪는 시니어 세대 위해 추천 시스템에서 인지반응 데이터를 이용하여 콘텐츠를 시청하기 적합한 환경을 제공함과 동시에 활동 이력을 중심으로 개인화 추천 시스템을 설계하여 시니어 사용자들의 개념 변화(concept drift) 문제로 사용자가 원하지 않는 콘텐츠를 추천받을 가능성을 줄일 수 있도록 한다.