• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.579-584
• /
• 2007

대용량 모바일 기기의 발전과 보급이 확산됨에 따라 사용자들은 사진, 음악, 동영상과 같은 멀티미디어 콘텐츠를 대량으로 휴대하며 이용할 수 있게 되었다. 그러나, 이러한 대량의 멀티미디어 콘텐츠 관리는 사용자 각자에게 맡겨져 있어 콘텐츠 관리를 어렵게 하고 있는 현실이다. 본 논문에서는 분산 모바일 환경에서 멀티미디어 콘텐츠의 공유와 추전을 통해 사용자에게 적합한 콘텐츠를 추천을 통해 제공하고, 제공된 콘텐츠는 모바일 동기화 서비스를 통해 모바일 기기로 저장하고 관리되는 '분산 모바일 환경에서 멀티미디어 콘텐츠 추전 및 검색 서비스'를 설계하고 구현하였다. 제안된 시스템은 사용자의 선호 프로파일 정보로 협업 필터링을 통해 공유된 멀티미디어 콘텐츠 중에서 사용자에게 적합한 콘텐츠를 추천해 주고, 추천된 콘텐츠는 모바일 기기 사용자의 행동에 따라 모바일 동기화 서비스를 통해 모바일 기기에 저장과 관리, 검색이 된다. 본 논문에서 제안된 방법은 추천과 검색을 통해 사용자 모바일 기기의 멀티미디어 콘텐츠를 효율적으로 관리 할 수 있다. 이처럼 본 논문에서 제안된 서비스 방법은 멀티미디어 콘텐츠의 추천과 모바일 동기화 서비스로 능동적인 콘텐츠 관리를 제공하며, 사용자에게 효율적인 콘텐츠 검색 기법과 활용 방법을 제공 할 수 있다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2019.07a
• /
• pp.153-155
• /
• 2019

본 논문에서는 다양한 아두이노 무선센서 모듈과 Raspberry Pi, 웹서버를 이용한 IOT 기반 환경정보 수집시스템과 기상청 API를 통한 기상정보, 상점 서비스를 매시업하여 상품추천시스템을 구현하였다. 이 시스템은 사용자가 주변 환경의 데이터를 정확하게 확인하고 그에 맞는 상품을 추천받을 수 있도록 한다. 상품추천시스템에서는 상점 외부에 부착된 환경정보 수집시스템에서 측정한 데이터와 기상청 API 데이터를 DB에 저장하고 DB에 저장된 데이터를 이용하여 상황에 맞는 기후화면디자인과 환경정보 데이터를 html로 구성하여 보여준다. Raspverry Pi에 연결된 모니터를 통해 실시간으로 정보를 보여주며 일정 시간 간격으로 관련 상품 광고를 보여주며 필요한 물건을 추천해준다.

• 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.

• The Journal of the Convergence on Culture Technology
• /
• v.7 no.3
• /
• pp.523-528
• /
• 2021

Current YouTube recommends similar contents to users based on the contents they actually consumed. Due to the feature of these algorithms, users are well recommended for contents in similar fields, but it is difficult to be recommended contents in fields that have never been consumed. There is a limit to being widely recommended for videos. I want to solve this problem by utilizing crowd sourcing. I propose a platform that can be recommended for various channels, through direct participation of the public people using youtube. Users can be recommended a variety of channels, communicate with people in the channel discussion room, and at the same time generate revenue by recommending channels. I hope that this platform can be used in various crowd sourcing-based recommendation platforms.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10d
• /
• pp.390-393
• /
• 2007

사용자들은 분산 P2P 환경을 통해 대량의 멀티미디어 콘텐츠를 쉽게 제공 밭을 수 있는 환경이 되었다. 또한 고용량 모바일 기기의 발전과 보급이 확산됨에 따라 사용자들은 사진, 음악, 동영상과 같은 멀티미디어 콘텐츠를 대량으로 휴대하며 이용할 수 있게 되었다. 그러나, 이러한 대량의 멀티미디어 콘텐츠 관리는 사용자 각자에게 맡겨져 있어 콘텐츠 관리를 어렵게 하고 있는 현실이다. 본 논문에서는 분산 P2P 환경에서 멀티미디어 콘텐츠의 공유와 추천을 통해 사용자에게 적합한 콘텐츠를 제공하고, 제공된 콘텐츠는 모바일 동기화 서비스를 통해 모바일 기기로 저장하고 관리되는 #분산 P2P 환경에서 모바일 동기화 서비스를 통한 멀티미디어 콘텐츠 추천 시스템#을 설계하고 실험하였다. 제안된 시스템은 사용자 선호 프로파일 정보로 협업 필터링을 통해 분산 P2P 환경에서 공유된 멀티미디어 콘텐츠 중에서 적합한 콘텐츠를 추천해 주고, 추천된 콘텐츠는 푸쉬 서비스를 통해 모바일 기기로 저장되며. 모바일 기기 사용자의 행동에 따라 모바일 동기화 서비스를 통해 사용자 모바일 기기의 콘텐츠를 관리한다. 이처럼 제안된 시스템은 콘텐츠 추천과 모바일 동기화 서비스로 능동적인 콘텐츠 관리를 제공하여 사용자에게 효율적인 콘텐츠 관리 기법과 활용 방법을 제공 할 수 있다.

• The Journal of the Convergence on Culture Technology
• /
• v.7 no.1
• /
• pp.582-587
• /
• 2021

Book recommender system, which suggests book to users according to their book taste and preference effectively improves users' book-reading experience and exposes them to variety of books. Insufficient dataset of book rating records by users degrades the quality of recommendation. In this study, we suggest a book recommendation system that makes use of user's book ratings collaboratively with user's movie ratings where more abundant datasets are available. Through comprehensive experiment, we prove that our methods improve the recommendation quality and effectively recommends more diverse kind of books. In addition, this will be the first attempt for book recommendation system to utilize movie rating data, which is from the media-platform other than books.

• 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 Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• pp.55-58
• /
• 2012

본 논문은 사용자의 각종 멀티미디어 콘텐츠 소비 히스토리를 수집하여 체계화 및 패턴 분석을 수행하고, 이를 바탕으로 사용자가 선호할 것으로 예측되는 멀티미디어 콘텐츠들을 추출하여 제공하는 콘텐츠 추천 시스템에 관한 연구이다. 본 논문에서는 콘텐츠 소비와 연관된 사용자 로그와 엔진에서 자동 추출한 사용자 그룹을 통하여 콘텐츠 추천을 수행한다. 각 사용자들의 선호정보 데이터를 분석하여 선호정보 패턴이 유사한 사용자들을 사용자 그룹으로 정의하고, 각 사용자들이 속한 사용자 그룹의 사용자 로그를 활용하여 사용자별 선호 콘텐츠를 예측한다. 본 시스템은 웹 또는 모바일 환경에서 음악, 방송, 광고, 기사 등의 방대하고 다양한 콘텐츠를 복합적으로 사용자들에게 선별하여 제공해 주며, 이들의 연관성과 사용자의 콘텐츠 선호패턴을 반영한 개인 맞춤형 콘텐츠 추천 엔진은 사용자가 선호할만한 콘텐츠들을 추천하여 사용자의 콘텐츠 소비 시의 만족도를 높여줄 수 있다.

• Journal of Intelligence and Information Systems
• /
• v.12 no.2
• /
• pp.1-15
• /
• 2006

Currently the mobile web service is growing with a tremendous speed and mobile contents are spreading extensively. However, it is hard to search what the user wants because of some limitations of cellular phones. And the music is the most popular content, but many users experience frustrations to search their desired music. To solve these problems, this research proposes a hybrid recommendation system, MOBICORS-music (MOBIle COntents Recommender System for Music). Basically it follows the procedure of Collaborative Filtering (CF) system, but it uses Contents-Based (CB) data representation for neighborhood formation and recommendation of new music. Based on this data representation, MOBICORS-music solves the new item ramp-up problem and results better performance than existing CF systems. The procedure of MOBICORS-music is explained step by step with an illustrative example.

• Journal of Korea Society of Industrial Information Systems
• /
• v.24 no.6
• /
• pp.11-24
• /
• 2019

The tendency of buyers of web information is changing from the cost-effectiveness to the cost-satisfaction. There is such tendency in the recommendation of multimedia contents, some of which are folksonomy-based recommendation services using mood. However, there is a problem that they does not consider synonyms. In order to solve this problem, some studies have solved the problem by defining 12 moods of Thayer model as AV values (Arousal and Valence), but the recommendation performance is lower than that of a keyword-based method at the recall level 0.1. In this paper, we propose a method based on using mood vector of multimedia contents. The method can solve the synonym problem while maintaining the same performance as the keyword-based method even at the recall level 0.1. Also, for performance analysis, we compare the proposed method with an existing method based on AV value and a keyword-based method. The result shows that the proposed method outperform the existing methods.