• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (B)
• /
• pp.250-253
• /
• 2006

최근 들어 음원 협회의 항소로 인해 음악 파일을 무료로 다운 받을 수 없게 되었다. 이로 인해, 유료 음악 사이트의 사용이 증가되었고,수익성이 커지고 있다.하지만 수요가 커진 것에 비해, 대부분의 음악 사이트들의 서비스는 음악 메일이나 휴대폰 전송 등에 그치고 있다. 따라서 사용자를 유치하기 위한 전략으로 추천시스템을 제안하고자 한다. 그 방법으로, 본 논문에서는 음악의 파형 변화를 분석하고, 사용자가 다운로드했던 파일의 리스트를 통하여 사용자 맞춤형 추천 시스템을 벡터 유사도를 통하여 구현하고자 한다. 음악에 대한 성분은 파형을 통하여 진폭과 진동수에 대한 특징 벡터를 추출한다. 그리고 사용자의 다운로드 리스트에 누적시킨다. 위의 두 절차를 통해 사용자의 리스트를 분석하여 비슷한 성분의 음악을 검색한다. 실험을 위해 사용되는 음악 성분에 대한 내용은 수치적인 데이터를 기반하고 있기 때문에 자동화가 용이했고, 빠른 연산 시간과 유동적인 검색 범위를 가질 수 있었다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2000년도 봄 학술발표논문집 Vol.27 No.1 (B)
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.43-46
• /
• 2019

관광지에 대한 관광객의 평가는 날씨, 계절, 관광객의 밀집 정도 등 다양한 환경적 요소에 따라 변화한다. 각 관광지는 객관적인 관점으로 최상의 관광을 경험하게 할 고유한 컨디션이 존재하며 이를 추출하기 위해선 관광에 영향을 주는 여러 환경들에 대한 다중 요인 분석이 가능할 만큼의 정보가 필요하다. 본 논문에서는 심층신경망을 기반으로 한 문장분석기술을 응용하여 관광지 리뷰에 적용, 평점이 포함되지 않은 리뷰에 평점을 추가하여 기상이나 계절, 휴무일 등의 다양한 분류가 가능할 수준의 데이터를 보충하고 축적/보충된 방대한 평점데이터를 토대로 맞춤 추천이 가능하도록 하는 시스템을 설명한다. 이에 본 논문은 학습 환경 구축, 리뷰와 기상 정보의 결합, 최종 추천 방법 등 전반적인 프로세스에 대한 내용을 설명한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.722-725
• /
• 2016

많은 화장품이 출시함에 따라 고객들이 자신의 피부 상태에 맞는 화장품을 고르는 것에 대한 어려움이 증가하게 되었다. 기존의 화장품 추천 프로그램들은 해당 프로그램의 DB에 존재하는 화장품들에 대한 추천 밖에 하지 못한다. 본 논문에서 제안하는 새로운 화장품 추천 방법은 화장품을 구입하기 전에 상자 표면에 적힌 성분을 사진으로 찍어 단어 별로 추출한다. 추출한 단어를 DB에 저장되어 있는 성분 이름과 비교하여 화장품 성분만 구분한 뒤 k-최근접 이웃 알고리즘과 내용 기반 기법을 이용하여 사용자에게 맞는 화장품인지 판단해준다. 화장품의 성분표를 통해 DB에 없는 화장품이라도 즉석에서 사용자의 정보와 비교하여 적정도를 분석할 수 있다. 또한 사용자의 화장품 구입 성향으로 화장품을 추천해주어 사용자의 화장품 선택에 도움을 준다.

• 디지털콘텐츠학회 논문지
• /
• 제14권4호
• /
• pp.419-428
• /
• 2013

유비쿼터스 컴퓨팅 환경의 전자상거래에서 실시간성과 추천의 정확도를 높이는 연구가 활발히 진행되고 있다. 대부분의 기존 추천기법들은 프로파일 방식의 문제로 고객의 관심도나 고객성향을 분석하기에는 많은 어려움과 비용의 문제가 있으며 고객은 여전히 만족하지 못하고 있다. 이는 구성되어있는 데이터베이스들의 문제가 아니라 기존 자료를 분석하기 위한 평가 자료인 신규로 프로파일을 생성하거나 다양한 프로파일을 생성하는데 문제가 있다. 또한 기존 추천기법에서는 다양한 특성을 가진 각 사용자 계층별로 차별화된 개인화 추천이 어렵다. 따라서 이 논문에서 기존의 평가 자료 방식과 다르게 구매로 인해 발생되어진 자료를 기반으로 사용자에게 번거로운 질의 응답 과정이 없이 묵시적인 방법을 이용하였다. 다양한 개인화 성향과 정확한 고객성향의 내용 분석이 가능한 FRAT 기법을 적용하였다.

• 경영정보학연구
• /
• 제8권1호
• /
• pp.181-201
• /
• 2006

오늘날 인터넷이 확산되어감에 따라, e-CRM에 대한 관심이 증대되고 있다. 그 중에서도 특히 '추천시스템'은 e-CRM의 여러 응용분야 중에서도 실무적으로 그리고 학문적으로 가장 활발하게 연구되고 있는 분야 중 하나다. 추천을 위한 여러가지 방법들 중에서, 지금까지 주류를 이뤄온 방법들은 협동 필터링(Collaborative Filtering) 기법과 내용 기반(Content-Based) 접근법이다. 그러나 이러한 기존 방법들은 몇 가지 태생적인 한계점으로 인해 고객의 구매 이력이 많지 않은 중소형 인터넷 쇼핑몰에 적용하기 어렵다는 단점이 있다. 이에, 본 연구에서는 고객의 인구통계 및 구매정보에 2가지 데이터마이닝 기법들(연관 관계 기법과 분류 기법)을 적용하고, 이 결과를 조정 에이전트를 통해 결합하는 형태의 새로운 추천 시스템의 모형과 시스템 구조 체계를 제안한다. 제안된 연구 모형의 유용성을 검증하기 위해, 본 연구에서는 실제 사례에 적용한 웹 기반 프로토타입을 개발, 활용하였다. 프로토타입의 유용성을 실제 사용자들로부터 설문을 통해 조사해 본 결과, 본 연구에서 제안한 추천모형이 생성한 맞춤 정보가 사용자들에게 매우 유익하게 인지됨을 확인하였다.

• 한국정보통신학회논문지
• /
• 제18권7호
• /
• pp.1643-1651
• /
• 2014

소셜네트워크서비스(SNS)는 사용자들이 자신들의 정보를 가족, 친구, 그리고 소속단체원들과 공유하는 것을 가능케 해 준다. SNS 상의 정보의 양은 기하급수적으로 증가하고 있는 추세다. 특히 페이스북은 연예오락(영화, 음악, TV쇼 등)과 관련된 흥미로운 기능을 채택해 오고 있다. 그러나 페이스북은 사용자들에게 관심 아이템을 추천할 때 필요한 사용자들의 시간, 장소, 소셜 상황 등 상황적 정보는 고려하지 않고 있다. 따라서 이 논문에서 사용자들이 언제, 어디서, 누구와 영화를 보는지 등에 대한 다양한 상황적 정보의 통합에 기반을 둔 영화 추천 접근법을 제안 하고자 한다. 또한 두 명이 함께 영화를 관람하러 갔을 때 동시에 만족할만한 영화 추천 방법을 제안한다. 실험을 위해 사용자들의 영화관람 내용을 기록하고 이에 기반을 두어 적절한 추천 영화를 소개해 줄 수 있는 'MyMovieHistory'라는 페이스북 응용프로그램을 개발하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(C)
• /
• pp.370-375
• /
• 2010

인터넷의 영역이 확대됨에 따라 인터넷에서 다양하고 많은 정보를 제공받게 되었다. 뉴스의 영역도 그중 하나로 신문사, 방송사 등의 많은 언론사들이 인터넷으로 서비스를 확대함에 따라 뉴스 정보의 과다현상이 일어나게 되었다. 이 때문에 사용자는 방대한 뉴스들 중에서 원하는 뉴스만 걸러서 보기를 원하게 되었고 이를 위한 뉴스 필터링 방법이 연구되었다. 뉴스 필터링 기술들은 주로 사용자의 관심 사항을 예측하여 제공해 주는 뉴스 추천 시스템을 위한 기술 개발에 초점을 두었다. 그러나 기존의 뉴스 필터링 기술들은 사용자의 관심 있어할 만한 뉴스를 추천할 뿐, 관심 없는 뉴스를 제외시키지는 못한다. 예를들어, 어떤 특종 사건이 생기면 이 사건을 보도하기 위한 뉴스들이 각 언론사 마다 생성되고, 뉴스 추천서비스를 사용하는 사용자는 기존의 뉴스 필터링 방법에 의해 사용자가 관심 있다고 예측되는 이 사건에 대한 뉴스를 제공받게 된다. 그러나 사용자가 이미 추천된 뉴스 중 하나의 뉴스 혹은 그와 동일한 내용의 다른 언론사에서 제공되는 뉴스를 읽었다면 추천된 뉴스는 이미 알고 있는 정보이므로 사용자는 이 뉴스에 대하여 관심이 없을 것이다. 기존의 뉴스 필터링 방법은 추천 시 중복된 뉴스를 제거하지 못하는 문제점을 지닌다. 이 논문은 이러한 문제점을 해결하기 위해 육하원칙 기반의 필터링 방법을 제시하고, 실험을 통해 이 논문이 제시한 방법의 장단점을 보인다.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.707-712
• /
• 2017

데이터의 양이 기하급수적으로 증가함에 따라 추천 시스템(recommender system)은 영화, 도서, 음악 등 다양한 산업에서 관심을 받고 있고 연구 대상이 되고 있다. 추천시스템은 사용자들의 과거 선호도 및 클릭스트림(click stream)을 바탕으로 사용자에게 적절한 아이템을 제안하는 것을 목적으로 한다. 대표적인 예로 넷플릭스의 영화 추천 시스템, 아마존의 도서 추천 시스템 등이 있다. 기존의 선행 연구는 협업적 여과, 내용 기반 추천, 혼합 방식의 3가지 방식으로 크게 분류할 수 있다. 하지만 기존의 추천 시스템은 희소성(sparsity), 콜드스타트(cold start), 확장성(scalability) 문제 등의 단점들이 있다. 이러한 단점들을 개선하고 보다 정확도가 높은 추천 시스템을 개발하기 위해 실제 온라인 기업의 상품구매 데이터를 이용해 factorization machine으로 추천시스템을 설계했다.

• 서비스연구
• /
• 제8권4호
• /
• pp.31-51
• /
• 2018

본 기술의 발전과 인터넷 환경의 변화로 인터넷 기반의 동영상 제공 서비스인 OTT(Over-the-top) 서비스 시장이 빠르게 성장하고 이용자의 데이터를 바탕으로 맞춤형 정보 및 콘텐츠를 제공하는 개인화추천서비스에 대한 고객의 요가 커졌다. 본 연구는 OTT 서비스의 개인화추천서비스가 관계강화와 고객충성도에 미치는 영향을 분석하며, 나아가 콘텐츠 유형에 따라 개인화추천서비스가 가지는 의미의 차이를 확인하여 개인화추천서비스의 제공 방안을 제시하는 것을 목적으로 한다. 연구결과에 따르면 OTT 서비스의 개인화추천서비스는 관계강화를 매개로 고객충성도에 유의한 영향을 미치며, 고객이 주로 이용하는 콘텐츠의 형태 및 내용에 따라 개인화추천서비스가 관계강화와 고객충성도에 미치는 영향에 차이가 있다. 본 연구를 통해 개인화추천서비스는 고객과의 관계 형성 및 몰입을 유도하여 관계를 강화하는 도구로 활용될 수 있고 이는 고객충성도를 향상하며, 고객과의 소통이 활발한 콘텐츠일수록 개인화추천서비스의 제공이 충성도 향상에 크게 기여함을 알 수 있다.