• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1271-1274
• /
• 2013

화장품에 따른 정보를 손쉽게 모아볼 수 있는 곳이 없으며 사람마다 각기 다른 피부타입을 가지고 있기 때문에 사용자의 의도와 목적에 맞는 화장품을 찾기가 더 어려워졌다. 이에 따라 우리는 사용자가 입력한 피부 정보를 분석하여 그에 맞는 화장품 데이터베이스 추천 시스템을 제안한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 춘계학술발표대회
• /
• pp.353-354
• /
• 2010

최근 사용자의 취향에 맞는 콘텐츠를 필터링하여 자동으로 추천하는 연구가 활발히 진행되고 있다. 참여형, 개방형, 공유형 서비스들의 증가와 함께 웹 3.0 시대에는 더욱 지능화되고 개인화된 서비스가 중요시되고, 이를 위한 맞춤형 정보 제공 연구가 필수적이다. 본 논문에서는 사용자 맞춤형 추천 방법의 대표적인 기술인 협업 필터링(Collaborative Filtering) 방안 분석에 대해 설명하고, 협업 필터링 방법의 적용 연구를 설명한다.

• 한국멀티미디어학회논문지
• /
• 제14권1호
• /
• pp.112-120
• /
• 2011

본 연구에서는 상황 적용 시스템을 이용하여 위치 인식 기반의 음식점 추천 서비스를 개발함으로써 이 시스템이 실제 상황 인식 응용 프로그램 개발에도 유용하게 사용될 수 있음을 보일 것이다. 이를 위해 상황 적응 시스템을 기반으로 하여 사용자의 위치 선호도와 검색 히스토리 등의 정보를 이용하는 위치 인식 기반의 맞춤형 음식점 추천 응용 프로그램을 개발하였다. 상황 적용 시스템은 개발자가 작성한 정책 파일의 내용에 따라 변화된 상황에 맞도록 응용 프로그램을 자동적으로 적응시키고, 응용 프로그램은 위치 등과 같은 변화된 상황을 기반으로 음식점 추천 서비스를 제공한다.

• 한국멀티미디어학회논문지
• /
• 제13권10호
• /
• pp.1453-1462
• /
• 2010

본 연구는 IPTV 환경에서 사용자의 취향에 맞는 VOD 프로그램을 추천할 수 있는 시스템을 새로이 제안하였다. 추천 알고리즘으로는 협업 필터링 기법을 사용하였다. 사용자의 프로그램 선호 취향을 나타내는 사용자 프로파일(user profile)은 사용자와 유사한 취향의 이웃 사용자들의 프로그램 선호도와 중분류 선호도 그리고 사용자 유사도를 감안하여 1주 단위로 갱신하였다. 제안 시스템의 성능평가를 위해 시청률 조사기관인 닐슨 리서치의 24주분 지상파 및 케이블 방송 시청 데이터를 IPTV 형식에 맞게 재구성하여 사용하였으며, 다양한 실험을 통해 그 실용성을 입증하였다. 실험결과 사용자 유사도 가중치를 사용하며, 그룹 크기가 5명 그리고 추천 프로그램 수가 5개 일 때 최적의 성능을 나타내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.660-663
• /
• 2017

다양한 소셜 네트워크 서비스가 발달되고 많은 사람들이 소셜 미디어에 참여하면서 방대한 양의 정보가 발생하고 있다. 따라서 원하는 정보를 선별하고 가공하는 연구도 활발히 진행되고 있다. 협업필터링은 이러한 정보를 토대로 사용자에게 맞춤형 아이템을 추천해주는 알고리즘이다. 하지만 정확한 추천을 위해서는 매우 방대한 양의 정보가 필요하다. 또한 협업필터링에는 초기에는 제대로 추천이 이루어지지 않는 콜드스타터 문제가 있다. 이러한 문제를 해결하기 위해 본 논문에서는 소셜 네트워크 서비스 중의 하나인 트위터 데이터를 활용하여 협업필터링 추천 시스템의 성능을 높이고자 한다. 협업필터링의 평점에 특정 아이템 관련 트윗을 수집해서 긍정/부정을 측정하여 가중치를 부여한다. RMSE 평가 방법을 통한 실험 결과, 소셜 미디어의 긍부정 영향력을 측정하여 적용했을 때가 기존의 협업필터링 방식에 비해 약 5.5%의 성능 향상을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2015년도 하계학술대회
• /
• pp.195-198
• /
• 2015

최근 TV 서비스의 가입자 및 TV 프로그램 콘텐츠의 급격한 증가에 따라 빅데이터 처리에 적합한 추천 시스템의 필요성이 증가하고 있다. 본 논문은 사용자들의 간접 평가 데이터 기반의 추천 시스템 디자인 시, 누적된 사용자의 과거 이용내역 데이터를 저장하지 않고 새로 생성된 사용자 이용내역 데이터를 학습하는 효율적인 알고리즘이면서, 시간 흐름에 따라 사용자들의 선호도 변화 및 TV 프로그램 스케줄 변화의 추적이 가능한 토픽 모델링 기반의 알고리즘을 제안한다. 빅데이터 처리를 위해서는 분산처리 형태의 알고리즘을 피할 수 없는데, 기존의 연구들 중 토픽 모델링 기반의 추론 알고리즘의 병렬분산처리 과정 중에 핵심이 되는 부분은 많은 데이터를 여러 대의 기계에 나누어 병렬분산 학습하면서 전역변수 데이터를 동기화하는 부분이다. 그런데, 이러한 전역데이터 동기화 기술에 있어, 여러 대의 컴퓨터를 병렬분산처리하기위한 하둡 기반의 시스템 및 서버-클라이언트간의 중재, 고장 감내 시스템 등을 모두 고려한 알고리즘들이 제안되어 왔으나, 네트워크 대역폭 한계로 인해 데이터 증가에 따른 동기화 시간 지연은 피할 수 없는 부분이다. 이에, 본 논문에서는 빅데이터 처리를 위해 사용자들을 클러스터링하고, 클러스터별 제안 알고리즘으로 전역데이터 동기화를 수행한 것과 지역 데이터를 활용하여 추론 연산한 결과, 클러스터별 지역별 TV프로그램 시청 토큰 별 은닉토픽 할당 테이블을 유지할 때 추천 성능이 더욱 향상되어 나오는 결과를 확인하여, 제안된 구조의 추천 시스템 디자인의 효율성과 합리성을 확인할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제13권3호
• /
• pp.475-486
• /
• 2010

콘텐츠 추천 시스템은 콘텐츠에 대한 사용자의 선호도를 예측하고, 예측된 선호도가 높은 콘텐츠를 추천하는 시스템을 말한다. 디지털 식별자는 디지털 네트워크 환경에서 추상적인 작품(Work)이나 디지털 형태로 제작된 콘텐츠 등을 식별하는 역할을 한다. 디지털 식별자는 콘텐츠 추천 시스템에서 주로 이용되는 내용기반여과 기법과 협업여과 기법에서 효과적으로 활용될 수 있다. 본 논문에서는 UCI 국가표준 디지털 식별자를 대규모 콘텐츠 추천 분야에 효과적으로 활용할 수 있도록 기존 UCI 메타데이터를 확장하고 변환서비스를 개선하는 방안을 제시한다. UCI 메타데이터의 개선은 콘텐츠 추천에 필요한 요약, 키워드, 장르, 연령구분, 평점, 리뷰 항목을 추가하는 것이며, 변환서비스의 개선은 결과페이지에 콘텐츠에 대한 선호도 정보를 입력하는 부분을 포함함으로써 콘텐츠에 대한 선호도 정보를 수집할 수 있도록 하는 것이다. 개선된 UCI를 운용하는 시스템을 설계하고 구현함으로써 본 논문에서 제안한 개선 방안이 콘텐츠 추천에 활용될 수 있음을 보인다.

• 한국멀티미디어학회논문지
• /
• 제11권9호
• /
• pp.1213-1226
• /
• 2008

추천시스템은 사용자가 제공한 선호, 관심, 구매경험과 같은 정보를 근거로 하여 다른 사용자에게 가장 알맞은 정보를 제공하는 일련의 가치교환 과정인 개인화를 가능하게 하는 시스템으로 고객의 선호도를 정확히 분석하고, 정제하여 정확한 예측력으로 고객이 원하는 가장 적절한 상품을 추천 해줄 수 있어야 한다. 대부분의 추천시스템들이 협동적 필터링 기법을 적용하고 있어 본 논문에서는 협동적 필터링 기법의 연산수행 량을 개선한 새로운 결합 모델인 SOM(Self-Organizing Map) 신경망 회로와 결합한 추천시스템을 제안하였다. 먼저, 사용자 그룹을 인구통계학적인 특징으로 세그먼트하고 SOM 신경망회로를 이용하여 item 특징에 대한 선호도를 입력 값으로 학습하여 클러스터를 생성하였다. 임의의 사용자에 대한 추천은 선호도가 유사한 클러스터를 결정하여 협동적 필터링 기법을 적용하였으며, 기존의 협동적 필터링 기법의 연산 수행량과 비교 분석하였다. 또한 영화를 대상으로 한 실험을 통하여 추천효율이 향상되었음을 나타내었다.

• 한국비블리아학회지
• /
• 제33권4호
• /
• pp.139-157
• /
• 2022

학술지 투고논문 심사에 적합한 심사위원을 찾아내고 선정하는 업무는 간단하지 않다. 이에 해외의 주요 학술지 온라인 투고관리시스템에서는 심사위원을 추천하는 기능을 개발하여 운영 중이다. 투고논문의 참고문헌에 있는 저자를 심사위원 후보로 추천하는 것부터 인용색인을 탐색해 광범위하게 제안하는 것까지 이들이 제공하는 기능은 다양하다. 이 연구는 온라인 투고관리시스템에서 심사위원 후보 추천과 관련하여 어떤 기능을 제공하고 있는지를 조사하였다. 조사결과 해외 주요 온라인 투고관리시스템인 ScholarOne Manuscripts, Editorial Manager 등은 상용 인용색인과 심사이력 플랫폼을 연동해 심사위원 후보를 추천하고 있었다. 반면에 국내 주요 투고관리시스템인 JAMS에는 심사위원 후보 추천 등과 같은 심화 기능이 없었다. 향후 국내에서도 투고논문의 적합 심사위원을 추천하고 심사이력을 활용하는 기능을 개발하는 등 투고관리시스템 기능 향상에 더욱 힘써야 할 것으로 보인다.

• 스마트미디어저널
• /
• 제12권6호
• /
• pp.35-40
• /
• 2023

본 연구는 대화형 추천 시스템인 다중 목표 대화형 추천 시스템(MG-CRS)에서 사용되는 다양한 사전 학습된 언어 모델들을 고찰하고, 각 언어모델의 성능을 비교하고 분석한다. 특히, 언어 모델의 크기가 다중 목표 대화형 추천 시스템의 성능에 어떤 영향을 미치는지에 대해 살펴본다. BERT, GPT2, 그리고 BART의 세 종류의 언어모델을 대상으로 하여, 대표적인 다중 목표 대화형 추천 시스템 데이터셋인 DuRecDial 2.0에서 '타입 예측'과 '토픽 예측'의 정확도를 측정하고 비교한다. 실험 결과, 타입 예측에서는 모든 모델이 뛰어난 성능을 보였지만, 토픽예측에서는 모델 간에 혹은 사이즈에 따라 성능 차이가 관찰되었다. 이러한 결과를 바탕으로 다중 목표 대화형 추천 시스템의 성능 향상을 위한 방향을 제시한다.