• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.964-965
• /
• 2013

본 연구에서는 사용자의 감성 정보를 기반으로 한 영화 추천 시스템을 설계 및 구현하였다. 이를 위하여 영화 리뷰에서 기본적인 4가지 감성을 뜻하는 단어를 추출 및 분류하고, MovieLens Dataset의 메타데이터에 추가한 후 협업 필터링을 사용하여 영화를 추천한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.343-346
• /
• 2012

추천 엔진의 지속적인 성능 향상을 위해서는 객관적 성능 평가가 이루어져야 하지만, 콘텐츠 추천 기술은 평가 데이터 구축이 어렵고 평가를 위한 심도 깊은 연구가 이루어지지 못하여 많은 어려움을 가지고 있다. 본 논문은 콘텐츠 추천 시스템의 객관적인 평가를 시스템 구축에 대한 연구이다. 추천 알고리즘의 효율적이고 객관적인 성능 평가를 위하여 기존 연구들을 분석하여 대표적인 성능평가 양식들을 구현하였다. 통계적인 평가를 위한 사용자 데이터를 수집하였으며 데이터 크기, 평가방식, 추천 알고리즘의 모듈 별 성능 추이를 쉽게 변경하고 관찰할 수 있도록 인터페이스를 설계하였다. 이러한 평가 시스템의 도입으로 콘텐츠 추천 알고리즘의 지속적인 성능 보완을 기대 할 수 있을 것이다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.117-120
• /
• 2012

본 논문에서는 토픽 모델링 기반 TV 프로그램 유사 시청 사용자 그룹핑 및 이를 이용한 TV 프로그램 콘텐츠 추천 알고리듬을 제안하였다. 제안 기술은 토픽 모델링 기법 중 Latent Dirichlet Allocation(LDA) 방법을 이용하여 TV프로그램 시청 기록 내에서 은닉된 유사 사용자들을 그룹핑하고 이러한 유사 시청 사용자 그룹 정보를 이용하여 사용자에게 선호 TV 프로그램 콘텐츠를 자동으로 추천하는 알고리듬이다. 제안된 자동 추천 알고리듬의 성능평가를 위해 실제 TV 시청기록 데이터를 이용하여 훈련 기간과 검증 기간을 나누어 훈련 기간 동안 제안한 알고리듬을 이용하여 사용자 개인에 대한 추천 TV 프로그램 콘텐츠 목록을 생성하여 검증 기간 동안에 실제 추천된 TV프로그램을 얼마나 시청했는지를 측정하여 추천 정확도를 검증하였다.

• 정보처리학회논문지D
• /
• 제15D권4호
• /
• pp.463-474
• /
• 2008

정보 기술과 인터넷의 발전은 멀티미디어 컨텐츠의 양에 있어서 폭발적인 성장을 가져 왔으며 이러한 멀티미디어 컨텐츠 양의 증가는 이용자의 요구에 맞는 멀티미디어 컨텐츠 추천에 대한 필요성을 더 증가 시켰다. 현재까지 일반상품과 멀티미디어 컨텐츠 추천을 위한 기법에는 협업필터링 (CF: Collaborative Filtering)이 있다. 하지만 기존의 CF 기법은 이미지가 갖고 있는 시각적 특징을 제대로 표현하지 못하고 있으며, 입력 데이터의 희박성 (Sparsity) 문제와 신상품 추천 문제 그리고 선호도의 동적인 변화 문제를 포함하고 있기 때문에 이미지 컨텐츠 추천에는 적합하지 않다. 이와 같은 기존의 CF기법의 단점을 해결하기 위해서 본 논문에서는 새로운 이미지 추천 방법으로 FBCF (Feature Based Collaborative Filtering) 기법을 제안한다. FBCF 기법은 시각적 특징을 선호도에 따라 군집화한 새로운 사용자 프로파일 구성방법을 제시하며, 선호도 피드백을 통하여 구매자의 현재 성향을 추천에 반영할 수 있다. 실제 모바일 이미지 데이터를 사용한 실험에서 FBCF 기법이 기존의 CF 기법보다 400% 향상된 성능을 보임을 확인할 수 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 추계학술대회
• /
• pp.88-91
• /
• 2012

최근의 미디어 생성/소비 패턴은 UCC 같은 소비자가 직접 미디어를 생성하고 소비하는 프로세스가 등장하여 일반화되고 있다. 본 연구는 이러한 동향에 발맞추어 다종의 멀티미디어 콘텐츠의 소비를 바탕으로 이를 소셜 네트워킹화하고 이를 통해 개인화된 맞춤형 콘텐츠를 추천할 수 있는 추천 에이전트를 개발하였다. 방송/통신망 상에 존재하는 다양한 콘텐츠 중에 사용자의 선호패턴과 일치하는 콘텐츠들을 추천하여 서비스하는 본 시스템은 유무선 환경을 망라하는 다기종의 디바이스들을 위한 플랫폼들을 지원하고 있다.

• 인터넷정보학회논문지
• /
• 제16권6호
• /
• pp.133-141
• /
• 2015

소셜 네트워크를 비롯해 다양한 소셜 미디어 서비스들에서 대량의 멀티미디어 콘텐츠들이 공유되고 있다. 소셜 네트워크에는 사용자의 현재 상황과 관심사가 드러나기 때문에 이러한 특징들을 추천시스템에 적용한다면 만족도가 높은 개인화된 추천이 가능할 것이다. 또한 음악을 감정에 따라 분류하고 사용자의 소셜 네트워크를 분석해 사용자가 최근 느끼고 있는 감정이나 현재 상황에 대해 분석한 정보를 이용한다면 사용자의 음악을 추천할 때에 유용할 것이다. 본 논문에서는 음악을 분류하기 위한 감정 모델을 만들고, 감정모델에 따라 음악을 분류하여 소셜 네트워크에 나타나는 사용자의 현재 감정 상태를 추출하여 음악추천을 하는 방법을 제안하고 실험을 통해 제안한 방법의 유효성을 검증한다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2011년도 하계학술대회
• /
• pp.82-84
• /
• 2011

본 논문에서는 사용자의 개인적 취향에 맞는 음악을 추천할 수 있는 사용자 감성/상황 정보 융합 기반의 협업 필터링의 확장을 이용한 음악추천시스템을 소개한다. 본 논문에서 제안하는 시스템은 확장된 협업 필터링 방식을 사용하여 추천을 해준다. 이를 위해 본 논문에서는 추천의 근거가 되는 감성과 무드를 Thayer 음악 무드 모델을 이용하여 총 12 가지의 감성 정보, 8 cluster 의 무드 정보로 분류했다. 또한 사용자의 상황 정보, 활동 & 날씨 & 시간에 대해서도 분류하였다. 분류된 정보는 음악감상 UI 를 이용하여 사용자 별 감성, 상황 그리고 음원의 무드 정보로 수집이 되었고, 수집된 정보를 기반으로 사용자 감성과 청취 곡 횟수를 퓨전하여 평가치 매트릭스를 만들었으며, 이를 바탕으로 단계적 협업 필터링에 의해 사용자 취향에 맞는 음악을 추천해 주는 방법이다.

• 스마트미디어저널
• /
• 제9권1호
• /
• pp.45-50
• /
• 2020

딥 러닝의 발전에 따라 추천시스템에서 딥 러닝 기반의 인공신경망을 활용한 연구가 활발히 진행되고 있다. 특히, RNN(Recurrent Neural Network)기반의 추천시스템은 데이터의 순차적 특성을 고려하기 때문에 추천시스템에서 좋은 성과를 보여주고 있다. 본 연구는 RNN기반의 알고리즘인 GRU(Gated Recurrent Unit)와 세션 기반 병렬 미니배치(Session Parallel mini-batch)기법을 활용한 여행경로 추천 시스템을 제안한다. 본 연구는 top1과 bpr(Bayesian personalized ranking) 오차함수의 앙상블을 통해 추천 성과를 향상시켰다. 또한, 데이터 내에 순차적인 특성을 고려한 RNN기반 추천 시스템은 여행경로에 내재된 여행지의 의미가 반영된 추천이 이루어진다는 것을 확인되었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2020년도 하계학술대회
• /
• 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.

• 한국멀티미디어학회:학술대회논문집
• /
• 한국멀티미디어학회 2001년도 추계학술발표논문집
• /
• pp.187-192
• /
• 2001

디지털 방송은 오디오 및 비디오 신호를 압축하여 전달하기 때문에 같은 대역폭에 아날로그 방송보다 더 많은 방송을 전달할 수 있다. 또한 기존 아날로그 방송에서는 불가능하였던 여러 데이터 정보를 포함하여 방송을 할 수 있다. 디지털 위성 방송의 경우, 사용자가 시청할 수 있는 이벤트의 개수가 많기 때문에 사용자에게 유용한 프로그램의 선택을 도와주는 이벤트 추천 시스템은 디지털 방송에서의 유용한 기능으로 부각되고 있다. 본 논문은 디지털 방송에서 지원하는 SI(Service Information) 데이터 중에 DVB에 정의된 EIT를 정보를 기반으로 하여 경험적으로 사용자의 성향을 판단하고 사용자가 원하는 이벤트를 자동으로 추천해 주는 시스템의 설계 및 구현에 대하여 기술한다.