• Journal of Korea Society of Industrial Information Systems
• /
• v.28 no.2
• /
• pp.31-45
• /
• 2023

This study deals with exploring qualitative steps and paths that appear as YouTube users' usage time increases quantitatively. For the study, I applied theories from psychology and neuroscience, subdivided the interval between the personalization algorithm of the recommendation system, and active use and analyzed the relationship between variables in this process. According to the theory behavioral model theory (FBM), variable reward, and dopamine addiction were applied. Personalization algorithms easy clicks as triggers according to associated content presentation functions in behavioral model theory (FBM). Variable rewards increase motivational effectiveness with unpredictability of the content you search, and dopamine nation is summarized as stimulating the dopaminergic nerve to continuously and actively consume content. This study is expected to make an academic and practical contribution in that it divides the purpose of use of content in the personalization algorithm and active use section into four stages from a psychological perspective: first use, reuse, continuous use, and active use, and analyzes the path.

• Journal of Intelligence and Information Systems
• /
• v.9 no.3
• /
• pp.177-191
• /
• 2003

Recommender systems are a personalized information filtering technology to help customers find the products they would like to purchase. Collaborative filtering is the most successful recommendation technology. Web usage mining and clustering analysis are widely used in the recommendation field. In this paper, we propose several hybrid collaborative filtering-based recommender procedures to address the effect of web usage mining and cluster analysis. Through the experiment with real e-commerce data, it is found that collaborative filtering using web log data can perform recommendation tasks effectively, but using cluster analysis can perform efficiently.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06a
• /
• pp.224-226
• /
• 2012

최근 스마트폰의 대중화와 더불어 스마트폰 애플리케이션의 공급과 수요 또한 활성화 되고 있다. 이에 스마트폰의 애플리케이션 시장 또한 활성화 되었다. 하지만 기하급수적으로 증가한 애플리케이션에 사용자가 자신에게 적합한 애플리케이션을 선택하기가 용이하지 않다. 이에 본 논문에서는 사용자 개인 정보와 감정을 이용한 애플리케이션 추천 시스템을 제안한다. 사용자 정보와 감정을 k-means 알고리즘을 이용하여 군집화를 시켜주었으며 사용자가 평가한 애플리케이션에 대한 만족도를 이용하여 유사도를 검출 및 추천하기 위하여 피어슨 상관계수와 교차추천을 이용하였다. 또한 협업 필터링의 신규 사용자에 대한 초기 평가치 부재에 의한 콜드 스타트(cold-start) 문제를 해결하기 위해 신규 사용자의 개인정보와 감성정보를 활용하여 기존 사용자와의 유사도를 비교한다. 이웃사용자를 추출하고 이웃사용자로부터 추천을 받는다. 즉, 추천시스템 데이터베이스 내의 정보가 충분한 사용자에게는 협업필터링을 그렇지 않은 신규 사용자에게는 협업필터링 대신 제시한 방법을 적용하는 하이브리드 추천 방법을 제안하였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2003.05a
• /
• pp.410-415
• /
• 2003

인터넷의 발전으로 전 세계적으로 다양한 인터넷 서비스들이 점차 확대되고 있으며, 특히 수익을 내는 방법으로서의 인터넷 전자상거래는 큰 비중을 차지하고 있다. 이에 수많은 사이트, 쇼핑몰은 상품과 고객들의 수많은 데이터를 데이터베이스 모듈로 관리하고 있다. 이렇게 고객에게 맞는 상품을 추천하기 위해 효율적으로 클러스터링 하는 방법이 요구된다. 이에 본 논문에서는 여러 클러스터링 방법 중에서 퍼지 이론을 기반으로 개선된 클러스터링 알고리즘을 이용하여 상품을 추천하고자 한다 이 방법은 클러스터의 개수가 한정되어 있는 기존의 방법에 클러스터의 유사도에 따른 유사성을 부여함으로써 더 세밀하고 정확한 클러스터링을 가능케 하여 이에 따른 개인의 성향에 맞게 개인화된 상품을 추천하는 시스템을 설계하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.1691-1693
• /
• 2012

협업필터링은 추천 시스템 중에서 가장 일반적으로 사용되는 추천 시스템이다. 영화 추천 시스템에서도 이 방법을 가장 많이 사용한다. 추천 시스템에서 가장 많이 사용되고 있는 방법이지만 이 기법만을 적용할 경우 희박성, 확장성 그리고 투명성 등의 문제점을 가진다. 이러한 문제점들을 개선해 보려는 노력들이 많이 연구되어 왔다. 본 논문에서는 개인들의 특징인 개인 성향과 협업 필터링을 기반으로한 영화 추천 시스템을 제시하고 기존의 영화추천 시스템과 성능 평가한다.

• Proceedings of the KIEE Conference
• /
• 2001.07d
• /
• pp.2807-2809
• /
• 2001

본 논문에서는 웹기반 쇼핑몰에서 사용자들에게 새로운 상품을 추천하는 시스템을 제안한다. 추천시스템이란 사용자의 필요와 취향을 고려하여 그에게 적합한 새로운 상품이나 대신할만한 상품 등을 추천하는 시스템이다. 지금까지 제안된 대부분의 추천시스템들은 협력적인 필터링 기법을 쓰고 있는데, 이러한 시스템의 경우 사용자들의 선호도 점수 정보가 부족하면 정확한 추천결과를 기대할 수 없다. 본 논문에서는 내용기반 필터링 기법을 협력적 필터링 기법과 함께 사용하여 이와 같은 문제를 해결하고자 한다.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.6
• /
• pp.19-28
• /
• 2021

Nowadays, interest in health care is increasing due to Coronavirus (COVID-19), and a lot of people are doing home training as there are more difficulties in using fitness centers and public facilities that are used together. In this paper, we propose a personalized exercise recommendation algorithm using personalized propensity information to provide more accurate and meaningful exercise recommendation to home training users. Thus, we classify the data according to the criteria for obesity with a k-nearest neighbor algorithm using personal information that can represent individuals, such as eating habits information and physical conditions. Furthermore, we differentiate the exercise dataset by the level of exercise activities. Based on the neighborhood information of each dataset, we provide personalized exercise recommendations to users through a dimensionality reduction algorithm (SVD) among model-based collaborative filtering methods. Therefore, we can solve the problem of data sparsity and scalability of memory-based collaborative filtering recommendation techniques and we verify the accuracy and performance of the proposed algorithms.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10c
• /
• pp.403-405
• /
• 2004

현재 이동통신사 마다 제공하는 무선 인터넷 프로토콜 환경이 다르기 때문에 사용자는 자신이 선택한 이동통신사에서 제공하는 방식은 사용할 수 있으나, 자신이 사용하지 않는 이동통신사의 서비스는 받을 수 없는 문제점이 있다. 본 논문에서는 이와 같은 문제점을 해결하기 위한 방법으로 유선 인터넷의 웹 문서를 무선 인터넷의 모바일 문서 형식으로 변환하는 모바일 게이트웨이 시스템을 제안한다. 본 시스템은 웹 문서를 모바일 문서로 변환하는 과정에서 사용자에게 적합한 최적의 서비스를 제공하기 위한 방법으로 협업 필터링 기반 개인화 추천 메커니즘을 이용한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2017.01a
• /
• pp.105-108
• /
• 2017

본 논문에서는 오픈마켓에서의 여행상품을 구입하기 전에 자신의 여행 기간을 입력하고 각 여행상품을 자신의 스케줄에 등록하여 개인에게 최적화된 여행 스케줄을 작성할 수 있는 시스템을 구현하였다. 그리고 개인화된 여행스케줄 생성을 위한 추천시스템은 설문형식의 사전 설정으로 개인이 선호하는 여행지를 선택하고 사용자와 유사한 성향을 지닌 기존 사용자들의 선호 콘텐츠를 추천하며, 여행상품 큐레이션 지원을 위해 현재 사용자의 상품페이지 방문패턴의 분석과 고객의 성향을 계량화한다.

• Journal of Intelligence and Information Systems
• /
• v.17 no.3
• /
• pp.79-98
• /
• 2011

This paper proposes a semantic recommendation technique for a personalized e-commerce portal. Semantic recommendation is achieved by utilizing the attributes of products. The semantic similarity of the products is merged with the rating information of the products to provide an accurate recommendation. The recommendation technique also analyzes various attitudes of the customer to evaluate the implicit rating of products. Attitudes are classifies into three types such as "purchasing product", "adding product to shopping cart", and "viewing the product information." We implicitly track customer attitude to estimate the rating of products for recommending products. Also we implement a session validation process to identify the valid sessions that are highly important for giving an accurate recommendation. Our recommendation technique shows a high degree of accuracy as we use age groupings of customers with similar preferences. The experimental section shows that our proposed recommendation method outperforms well known collaborative filtering methods not only for the existing customer, but also for the new user with no previous purchase record.