• Proceedings of the Korean Information Science Society Conference
• /
• 2011.06c
• /
• pp.269-272
• /
• 2011

추천은 다양한 컨텐츠 중에서 사용자가 원하는 것을 선택할 수 있도록 돕는 것이다. 이러한 추천은 광고주가 자신의 광고에 적절한 컨텐츠를 찾을 때에도 활용될 수 있다. 본 논문에서는 광고를 표현하는 태그와 영화를 나타내는 주제어들을 매칭하여 광고에 적합한 영화를 추천하는 문제를 다룬다. 이 문제의 경우, 광고를 표현하는 태그의 개수가 적고, 영화의 주제어와 성격이 다른 경우가 많아 단순 매칭을 활용한 추천 기법으로는 결과를 얻을 수 없는 경우도 존재한다. 우리는 이러한 문제를 완화하기 위해 키워드 확장을 통한 추천 기법을 제안한다. 구체적으로 각 영화 컨텐츠가 가진 주제어를 위키피디아를 통해 검색하고 이를 통해 주제어를 확장한다. 광고의 태그 또한 위키피디아 검색을 통해 확장한다. 이렇게 확장된 영화 주제어와 광고 태그를 연관성 규칙에 기반하여 매칭한다. 실험 결과 단순 매칭보다 제안한 확장을 통한 매칭이 37.5%의 성능 향상을 보였다.

• The Journal of the Korea Contents Association
• /
• v.17 no.4
• /
• pp.108-118
• /
• 2017

This study focuses on an effectiveness of socially recommended advertising on social network sites (SNSs) and investigates the impact of three critical factors on SNS advertising effectiveness - reward type for advertising recommenders' intention, product type on advertisements, and tie strength. A $2{\times}2$ factorial design was used to test the interaction effects between the two variables, reward type and product type on advertisements, moderated by tie strength. The results indicate that when participants observe socially recommended advertising, hedonic product ads with non-monetary reward shows the most effectiveness, and reward type and product type are also effective. In the combination of reward type and product type, we have confirmed the regulating factor influencing the effectiveness of social advertising according to the tie strength between the recommenders and the consumers. Strong-tie recommenders have more influence on the effectiveness of the social advertising than weak-tie recommenders. Based on these results, theoretical and practical implications were provided to refine marketing environments on SNSs.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.1166-1168
• /
• 2019

본 논문은 엣지컴퓨팅 환경에서 딥러닝기반 추천모델을 이용한 지능형 디지털 사이니지 플랫폼을 제안한다. 제안하는 플랫폼은 서버와 엣지로 구성되어 있다. 서버는 데이터를 관리하고, 광고추천 모델을 학습시키며, 엣지는 학습된 광고추천 모델을 이용하여 실시간으로 광고될 상품을 결정한다. 광고추천 모델은 상품을 선별하는 단계와 구매확률을 예측하는 단계로 구성되어 있다. 선별단계에서는 DNN에 벡터화된 사용자 기본정보와 상품 메타데이터를 입력하여 구매할 만한 상품을 도출한다. 최종적으로 군집의 예측된 구매확률을 이용하여 가장 적합한 광고를 선정한다. 제안하는 시스템은 서버와 통신하지 않고 엣지에서 학습된 모델로 광고를 결정한다. 이를 다수의 사용자에게 즉각적인 반응을 필요로 하는 디지털 사이니지에 적용했다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.74-76
• /
• 2014

모바일 단말, 웨어러블 디바이스 등 개인용 단말의 이용이 확대되면서 사용자 및 사용자 그룹의 다양한 미디어 소비정보, 이용 패턴 정보 기반으로 하는 다양한 서비스가 확대되고 있다. 이러한 개인 혹은 사용자 그룹을 대상으로 하는 대표적이면서 가장 서비스 효율을 높일수 있는 서비스 가운데 하나가 타겟팅 광고 서비스이다. 이러한 타겟팅 광고 서비스는 단순한 개인의 선호도 정보만을 반영하는 것에서 개인의 미디어 소비이력, 미디어 이용패턴 정보 등 사용자가 직접적으로 정보를 입력없이 추천이 가능하도록 연구가 계속되고 있다. 본 논문에서는 고정형 및 모바일 단말에서 사용자의 미디어 콘텐츠 선호 정보 및 소비이력 정보를 통합적으로 반영하여 타겟팅 광고 콘텐츠를 자동적으로 선정하고 추천하는 엔진을 설계 구현하였다. 제안한 추천엔진은 콘텐츠 특성에 대한 선호도와 사용자의 콘텐츠 소비 패턴에서 취득된 정보를 기반으로 예측된 선호도를 결합하여 사용자의 최종 선호도를 추정하고, 이를 기반으로 광고 콘텐츠에 대한 추천을 수행한다. 사용자 메타데이터 및 콘텐츠 메타데이터는 TV-Anytime 표준을 기반으로 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.362-365
• /
• 2006

인터넷 사용자가 급증함에 따라 온톨로지를 이용한 지능형 웹이나 인터넷 사용자에게 개인 맞춤형 서비스를 제공하기 위한 다양한 연구가 진행되고 있다. 대표적인 예로 문맥광고는 인터넷 사용자들이 뉴스나 커뮤니티 사이트에서 콘텐츠를 조회하고, 해당 콘텐츠와 일치하거나 관련성이 높은 제품 또는 서비스 정보를 제공하는 광고기법이다. 그러나 문맥 광고는 사용자에게 다양한 콘텐츠 및 사이트 추천 서비스를 제공하지 못하고 있다. 따라서 다양한 콘텐츠 및 사이트 추천 서비스를 제공하기 위해 본 논문에서는 사용자가 조회한 콘텐츠의 내용을 대표할 수 있는 중요 키워드를 선정하고, 콘텐츠 내에서 추출된 키워드간의 연관성을 분석하여 관련 콘텐츠 및 사이트를 추천하는 방법에 대해 제안한다. 또한 연관키워드리스트 생성방법을 고속연관규칙을 이용하여 처리속도를 줄이고, 사용자가 선호할 만한 다양한 콘텐츠와 관련된 사이트를 제공하는 방법에 대해 제안한다.

• Annual Conference on Human and Language Technology
• /
• 2009.10a
• /
• pp.116-120
• /
• 2009

최근 IPTV 상용화와 디지털 방송 본격화는 사용자에게 다양한 방송 프로그램을 제공한다는 장점도 있지만, 동시에 수많은 프로그램을 탐색하여 선별해야 하는 부담을 주고 있다. 이러한 불편함을 해소하고자 최근에는 사용자 선호도와 방송 프로그램 정보를 이용하여 사용자 취향에 맞는 프로그램을 자동으로 추천하는 서비스의 요구가 증대되고 있다. 또한 궁극적으로 방송 서비스가 '개인화'와 '개방화'의 형태로 진행되고 있다는 점을 감안하면, 추천 서비스는 TV 프로그램 뿐만 아니라 광고도 포함해야 하며, 다중 언어를 지원하는 형태로 발전되어야 한다. 본 논문에서는 다중 언어를 지원하는 개인화된 TV 프로그램 및 광고 추천 서비스를 위한 하나의 시스템을 제안한다. 우리는 먼저 사용자 시나리오를 작성하고, 기능 요구사항들을 분석하여 시스템 구조를 설계한다. 그리고 다중 언어를 지원하는 시스템에서의 한글 처리 방법도 간단히 설명한다. 본 연구는 현재 유럽 공동기술 개발 사업 과제의 일환으로 진행되고 있어, 여기에서는 현 시점의 결과물인 시나리오, 시스템 구조 설계, 한글 처리까지 소개하고 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.244-247
• /
• 2015

본 논문에서는 모바일 환경의 상황 적응형 효율적인 광고운영 시스템 설계에 대하여 제안한다. 제안한 시스템은 광고공급자가 제작한 광고콘텐츠를 저장하고, 광고공급자와 광고소비자의 상황정보와 피드백 정보를 분석하여 맞춤형 광고 콘텐츠를 추천하여 제공한다. 본 논문에서 제안한 시스템은 광고콘텐츠와 광고 소비자의 선호도 및 성향에 따른 스마트한 광고 콘텐츠를 추천 및 제공하기 때문에, 스마트 미디어 시대를 맞이한 광고시장에 새로운 서비스 모델을 개발하는데 기여할 것으로 기대한다.

• Journal of Intelligence and Information Systems
• /
• v.28 no.4
• /
• pp.95-117
• /
• 2022

With the emergence of various media types due to the development of Internet technology, advertisers have difficulty choosing media suitable for corporate advertising strategies. There are challenging to effectively reflect consumer contextual information when advertising media is selected based on traditional marketing strategies. Thus, a recommender system is needed to analyze consumers' past data and provide advertisers with personalized media based on the information consumers needs. Since the traditional recommender system provides recommendation services based on quantitative preference information, there is difficult to reflect various contextual information. This study proposes a methodology that uses deep learning to recommend personalized media to advertisers using consumer contextual information such as consumers' media viewing time, residence area, age, and gender. This study builds a recommender system using media & consumer research data provided by the Korea Broadcasting Advertising Promotion Corporation. Additionally, we evaluate the recommendation performance compared with several benchmark models. As a result of the experiment, we confirmed that the recommendation model reflecting the consumer's contextual information showed higher accuracy than the benchmark model. We expect to contribute to helping advertisers make effective decisions when selecting customized media based on various contextual information of consumers.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.277-279
• /
• 2000

인터넷 쇼핑몰의 급증으로 각 쇼핑몰은 경쟁적으로 표적판매의 전략으로써 상품 광고나 쇼핑 정보 등을 회원들에게 e-mail로 제공해 주고 있지만 여러 쇼핑몰에 회원으로 가입되어 있는 인터넷 사용자들에게 이런 무분별하고 획일적인 광고는 오히려 번거로운 것일 수 있으며 더욱이 그 내용이 관심 밖의 것일 경우 무가치한 정보 공해에 지나지 않게 된다. 본 논문에서는 등록된 사용자의 프로파일 정보와 학습된 쇼핑패턴을 토대로 그 사용자의 관심도와 쇼핑이 필요한 시기를 예측하여 e-mail로 개인화된 광고 및 추천서비스를 제공하는 비교 쇼핑 시스템을 제안한다. 이를 위해 상품별 구매속성이 반영된 코드를 상품의 ID로 정하여 구매속성별 분류와 검색 및 갱신이 쉽고 정확하게 이루어지도록 하였고 별도의 학습 과정 없이 코드의 검색만으로 선별된 상품을 자동으로 광고와 추천하는 것이 가능하다.

• Journal of Intelligence and Information Systems
• /
• v.29 no.2
• /
• pp.323-338
• /
• 2023

TV advertising with deep analysis of watching pattern of audiences is important to set-top box audience targeting. Applying session-based recommendation model(SBR) to internet commercial, or recommendation based on searching history of user showed its effectiveness in previous studies, but applying SBR to the TV advertising was difficult in South Korea due to data unavailabilities. Also, traditional SBR has limitations for dealing with user preferences, especially in data with user identification information. To tackle with these problems, we first obtain set-top box data from three major broadcasting companies in South Korea(SKB, KT, LGU+) through collaboration with Korea Broadcast Advertising Corporation(KOBACO), and this data contains of watching sequence of 4,847 anonymized users for 6 month respectively. Second, we develop personalized session-based recommendation model to deal with hierarchical data of user-session-item. Experiments conducted on set-top box audience dataset and two other public dataset for validation. In result, our proposed model outperformed baseline model in some criteria.