• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.115-117
• /
• 2001

기존의 인터넷 웹사이트에서는 사용자의 만족을 극대화시키기 위하여 사용자별로 개인화 된 서비스를 제공하는 협력적 필터링 방식을 적용하고 있다. 협력적 필터링 기술은 사용자의 취향에 맞는 아이템을 예측하여 추천하며, 비슷한 선호도를 가진 다른 사용자들과의 상관관계를 구하기 위하여 일반적으로 피어슨 상관계수를 많이 이용한다. 그러나, 피어슨 상관계수를 이용한 방법은 사용자가 평가를 한 아이템이 있을 때에만 상관관계를 구할 수 있다는 단점과 예측의 정확성이 떨어진다는 단점을 가지고 있다. 따라서, 본 논문에서는 피어슨 상관관계 기반 예측 기법을 보완하여 보다 정확한 사용자 유사도를 구하는 방법을 제안한다. 제안된 방법에서는 사용자들을 대상으로 사용자가 평가를 한 아이템의 선호도를 사용해서 엔트로피를 적용하였고, 사용자가 선호도를 표시하지 않은 상품에 대해서는 Default Voting 방법을 이용하여 보다 정확한 헙력적 필터링 방식을 구현하였다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.363-366
• /
• 2005

Pure P2P 환경에서는 축적된 자료를 사용하지 않고 실시간 정보를 사용하여 소수의 서비스 항목만으로도 협력적 필터링을 제공할 수 있어야 한다 그러나 지역에서 수집된 소수의 서비스 항목만으로 협력적 필터링을 할 경우 추천 서비스의 질이 떨어지게 되므로, 사용자의 컨텍스트 정보를 이용하여 추천 서비스의 질을 높일 수 있는 방법이 연구되어야 한다. 하지만 사용자 컨텍스트 정보는 다량의 정보가 순간에 인식될 수 있기 때문에 확장성 문제(Scalability Problem)가 발생하고, 영역과 아이템에 따라 차별화된 서비스를 지원하기에는 한계성을 가지고 있다. 이러한 문제점을 해결하기 위하여 본 연구에서는 SOM을 이용하여 컨텍스트 정보를 서비스 영역별로 클러스터링(Clustering)하여, 사용자별로 분류함으로 확장성 문제를 해결하였다. 또한, 분류된 자료들 중 서비스 요구자와 비슷한 분류에 있는 사용자들의 컨텍스트 정보들을 정량화하여 협력적 필터링함으로 사용자에게 적합한 서비스를 지원할 수 있다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2001년도 하계학술대회 논문집 D
• /
• pp.2792-2794
• /
• 2001

인터넷은 정보의 바다로 표현할 만큼 방대하며, 이러한 넘치는 정보 속에서 사용자에게 필요한 정보들을 추출하여 사용자들의 효율성과 만족도를 높이는 것이 개인화 정책이고, 결과적으로 전자상거래 사이트에서의 판매의 증가를 이루기 위해 필요한 것이다. 따라서 개개인의 특성에 맞춘 개인화 서비스가 현재의 인터넷에서 제공하는 효율성을 뛰어넘을 수 있는 새로운 해결점으로 주목받고 있다. 본 논문에서는 기존의 협력 필터링(Collaborative filtering) 방법을 개선하여 사용자의 선호도(preference)를 결정하고, 이를 토대로 알맞은 아이템 추천 서비스를 사용자에게 제공하는 해쉬테이블 기반 협력 필터링 에이전트(Hash Table based Collaborative Filtering Agent)를 제안하고자 한다. 이를 통하여 기존의 사용자 또는 처음 방문한 사용자에게도 사이트를 방문하는데 만족도와 효율성을 높이도록 하는 것이 목표이다.

• 컴퓨터교육학회논문지
• /
• 제14권4호
• /
• pp.63-70
• /
• 2011

인터넷 상에서 사용자 흥미에 부합하는 항목을 예측하여 추천해 주는 추천 시스템은 e-commerce가 발달함에 따라 다양한 분야에서 적용되어 왔다. 추천 시스템의 주요 방법인 협력 필터링은 사용자가 선호했던 항목들과 유사한 항목을 추천하거나 또는 유사한 기호의 다른 사용자가 선호했던 항목을 추천하는 것이다. 따라서 유사도의 정확한 측정과 추천한 항목의 실제 평가등급 예측은 협력 필터링의 성능을 결정하는 두가지 중요한 문제이다. 본 연구에서는 후자의 문제를 다룬다. 기존 연구에서는 평가 등급의 평균값을 기반으로 하여 실제 평가등급을 예측하였으나, 본 연구에서는 평가 등급 범위 기반의 방법을 제시하고 실험을 통해 성능을 조사하였다. 실험 결과 기존 방법에 비해 제안 방법은 평균 절대 오차에 있어서 성능이 크게 향상됨을 입증하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2001년도 가을 학술발표논문집 Vol.28 No.2 (2)
• /
• pp.109-111
• /
• 2001

기존의 협력적 필터링 기술을 이용한 사용자 선호도 예측 방법에서는 아이템에 대한 사용자의 선호도를 기반으로 이웃 선정 방법(Nearest-Neighborhood Method)을 사용하고, 피어슨 상관 계수에 의해 사용자의 유사도를 구하므로 아이템에 대한 내용을 반영하지 못할 뿐만 아니라 희박성 문제를 해결하지 못하였다. 본 논문에서는 기존의 사용자 선호도 예측 방법의 문제점을 보완하기 위하여 연관 사용자 군집과 베이지안 분류를 이음한 사용자 선호도 예측 방법을 제안한다. 제안한 방법에서는 협력적 필터링 시스템에서의 희박성(Sparsity)문제를 해결하기 위하여 ARHP 알고리즘을 사용하여 사용자를 장르별로 군집하며 새로운 사용자는 Naive Bayes 분류자에 의해 이들 장르 중 하나로 분류된다. 또한, 분류된 장르 내에 속한 사용자들과 새로운 사용자의 유사도출 구하기 위해 Naive Bayes 학습을 통해 사용자가 평가한 아이템에 추정치를 달리 부여한다. 추정치가 부여된 선호도를 기존의 피어슨 상관 관계에 적용할 경우 결측치(Missing Value)로 인한 예측의 오류를 적게 하여 예측의 정확도를 높일 수 있다. 제안된 방법의 성능을 평가하기 위해서 기존의 협력적 필터링 기술과 비교 평가하였다.

• 한국IT서비스학회:학술대회논문집
• /
• 한국IT서비스학회 2007년도 추계학술대회
• /
• pp.616-620
• /
• 2007

전자상거래에서 사용되고 있는 추천시스템은 사용자들의 프로파일과 이들의 정보를 바탕으로 사용자가 선호할 만한 아이템을 추천한다. 추천시스템에서 널리 사용되고 있는 협력적 필터링 방식은 사용자들 사이의 선호도 평가치를 비교하여 유사 사용자를 선택하고, 아이템에 대한 유사 사용자의 선호도 평가치를 기반으로 하여 추천하고자 하는 아이템에 대한 사용자의 선호도를 예측하는 것이다. 하지만 사용자의 선호도가 적은 데이터로 인한 희소성 문제는 추천시스템의 성능을 저해하는 요인으로 작용하고 있다. 이러한 희소성의 문제는 선호도 평가 자료에 나타난 아이템들의 총수에 비하여 사용자가 선호한 아이템의 수가 아주 적기 때문에 발생하며, 새로운 사용자의 경우에는 아이템에 대한 선호도 평가치가 없어 유사 사용자를 선택할 수가 없어 나타나며 심한 경우에는 아이템을 전혀 추천할 수 없게 된다. 이리할 추천 시스템의 희소성문제를 해결차기 위한 방법은 희소성이 높은 데이터들에 대한 희소성을 감소시키는 것이다. 따라서 본 논문에서는 아이템에 대한 희소성을 조사하여 협력적 필터링에서 희소성 아이템이 MAE에 미치는 영향을 분석하였다. 그리고 희소성 문제를 완화하여 예측 정확도를 높이기 위한 방법으로 선호도가 적은 아이템에 대해 희소성을 최소화하는 연구와 이에 따라 희소성과 MAE의 값을 개선하는 방법을 제안한다.

• 컴퓨터교육학회논문지
• /
• 제19권1호
• /
• pp.111-118
• /
• 2016

협력 필터링 기반의 추천시스템에서 유사도 측정은 시스템의 성능에 큰 영향을 미치는데, 이는 유사한 다른 사용자들로부터 항목을 추천받기 때문이다. 본 연구에서는 전통적인 유사도 측정 방법의 가장 큰 문제인 데이터 희소성을 극복하기 위해, 기존의 유사도 측정값과 공통평가항목수의 반영값을 최적으로 결합하는 새로운 유사도 측정방식을 제안한다. 제안 방식의 성능 평가를 위해 다양한 조건으로 실험한 결과 기존 방식들보다 우수한 예측 정확도를 나타냈으며, 구체적으로 전통적인 피어슨 상관보다 최대 약 7%, 코사인 유사도보다는 최대 약 4% 향상된 결과를 보였다.

• 한국콘텐츠학회논문지
• /
• 제7권11호
• /
• pp.23-33
• /
• 2007

협력적 필터링은 피어슨 상관 계수에 의해 유사도를 구하고, 선호도를 기반으로 이웃 선정 방법을 사용하므로 아이템에 대한 내용을 반영하지 못할 뿐만 아니라 희박성 및 확장성의 문제를 가지고 있다. 이러한 문제점을 개선하기 위하여 아이템 기반 협력적 필터링이 실용화되었으나 아이템의 속성을 반영하지는 못한다. 본 논문에서는 기존 추천 시스템의 문제점을 보완하기 위하여 분류 속성과 Naive Bayesian을 이용한 사용자와 아이템 기반의 협력적 필터링을 제안하였다. 제안한 방법에서는 희박성 문제를 해결하기 위하여 명시적 데이터에 기반한 아이템 유사도와 묵시적 데이터에 기반한 사용자 유사도를 복합적으로 참조한다. 참조 결과에 대해 Naive Bayesian을 적용한다. 또한 속성을 반영하기 위해 아이템 분류속성간의 유사관계 순위를 아이템 유사도 계산에 반영함으로써 정확성을 높일 수 있었다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 춘계학술대회 학술발표 논문집 제15권 제1호
• /
• pp.363-366
• /
• 2005

유비쿼터스 컴퓨팅에서 사용자에게 필요한 서비스를 지능적으로 제공하기 위해서는 컨텍스트 정보의 효과적인 필터링이 필요하다. 현재까지 사용되고 있는 필터링 기술은 온라인상에서 사용되는 사용자 정보를 기준으로 서비스를 제공하고 있다. 하지만 휴대용 유$\cdot$무선기기에서 컨텍스트 인식에 기반을 둔 서비스를 제공하기 위해서는 복잡한 필터링과정과 큰 저장 공간이 요구된다. 따라서 본 논문에서는 사용자 주변에 널려 있는 센서를 통해 입력된 컨텍스트 정보들을 효율적으로 필터링하여 사용자에게 필요한 서비스만을 제공하도록 하였다. 이를 위해서 기존의 P2P 모바일 에이전트에서 사용되는 협력적 필터링 기술에 Naive Bayesian 알고리즘을 혼합한 컨텍스트 협력적 필터링 알고리즘을 제안한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2008년도 한국컴퓨터종합학술대회논문집 Vol.35 No.1 (C)
• /
• pp.91-94
• /
• 2008

정보 기술의 발전으로 인해 이용할 수 있는 정보가 기하급수적으로 늘어남에 따라, 사용자는 원하는 정보를 얻는 데 어려움을 겪게 되고, 양질의 정보를 찾기 위해 많은 시간을 들이고 있다. 이에 사용자의 의도를 정확하고 명백하게 드러내는 태그 정보에 기반한 협력적 필터링 기법을 이용하여 사용자가 원하는 적절한 음악을 추천하는 시스템을 제안하며, 태그의 확장을 통한 협력적 필터링 기법의 성능 향상을 제안한다.