• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• 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.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.07a
• /
• 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.

• The KIPS Transactions:PartD
• /
• v.15D no.4
• /
• pp.463-474
• /
• 2008

The advancement of information technology and the popularization of Internet has explosively increased the amount of multimedia contents. Therefore, the requirement of multimedia recommendation to satisfy a user's needs increases fastly. Up to now, CF is used to recommend general items and multimedia contents. However, general CF doesn't reflect visual characteristics of image contents so that it can't be adaptable to image recommendation. Besides, it has limitations in new item recommendation, the sparsity problem, and dynamic change of user preference. In this paper, we present new image recommendation method FBCF (Feature Based Collaborative Filtering) to resolve such problems. FBCF builds new user profile by clustering visual features in terms of user preference, and reflects user's current preference to recommendation by using preference feedback. Experimental result using real mobile images demonstrate that FBCF outperforms conventional CF by 400% in terms of recommendation ratio.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.11a
• /
• 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.

• Journal of Internet Computing and Services
• /
• v.16 no.6
• /
• pp.133-141
• /
• 2015

Mass multimedia contents are shared through various social media servies including social network service. As social network reveals user's current situation and interest, highly satisfactory personalized recommendation can be made when such features are applied to the recommendation system. In addition, classifying the music by emotion and using analyzed information about user's recent emotion or current situation by analyzing user's social network, it will be useful upon recommending music to the user. In this paper, we propose a music recommendation method that makes an emotion model to classify the music, classifies the music according to the emotion model, and extracts user's current emotional state represented on the social network to recommend music, and evaluates the validity of our method through experiments.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2011.07a
• /
• 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.

• Smart Media Journal
• /
• v.9 no.1
• /
• pp.45-50
• /
• 2020

With the development of deep learning, studies using artificial neural networks based on deep learning in recommendation systems are being actively conducted. Especially, the recommendation system based on RNN (Recurrent Neural Network) shows good performance because it considers the sequential characteristics of data. This study proposes a travel route recommendation system using GRU(Gated Recurrent Unit) and Session-based Parallel Mini-batch which are RNN-based algorithm. This study improved the recommendation performance through an ensemble of top1 and bpr(Bayesian personalized ranking) error functions. In addition, it was confirmed that the RNN-based recommendation system considering the sequential characteristics in the data makes a recommendation reflecting the meaning of the travel destination inherent in the travel route.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2020.07a
• /
• 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.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.11a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1275-1277
• /
• 2013

최근 성별과 나이를 불문하고 화장품에 관한 관심이 증가하고 있다. 그러나 현재까지의 화장품 추천 시스템은 간단한 피부 자가 분석이 어렵기 때문에 자신의 피부를 잘 알 수 없는 상황에서, 사용자 개개인의 피부 정보를 전혀 고려하지 않은 정보를 제공하고 있다. 따라서, 본 논문에서는 사용자의 피부 정보를 분석하여 각각의 사용자에게 적합한 화장품을 추천하는 웹 시스템을 제안한다.