• 한국경영정보학회:학술대회논문집
• /
• 2008.06a
• /
• pp.149-152
• /
• 2008

본 연구는 협업 추천 시스템에 적용되는 상품에 대한 고객의 선호도 예측 알고리즘 중 메모리기반 협업필터링 알고리즘의 선호도 예측 특성에 대하여 연구하였다. 메모리기반의 협업필터링 알고리즘은 선호도 예측 대상 고객과 유사한 성향을 가질 것으로 예상되는 고객들의 선호도 평가를 기반으로 특정 상품에 대한 선호도 예측이 이루어진다. 일반적으로 시스템을 이용하는 고객들과 선호성향이 다른 고객들은 선호도 예측 성과가 낮은 것으로 알려져 있으며 이들이 추천시스템의 선호도 예측 정확도를 떨어뜨리는 원인으로 알려져 있다. 본 연구에서는 고객이 상품들에 평가한 선호도 평가의 패턴이 선호도 예측 정확도와 관련성이 높음을 보여 선호도 예측 알고리즘의 개선에 기초 자료를 제공하고자 한다. 고객의 선호도 평가 패턴은 과거 고객이 평가한 자료로부터 얻을 수 있는 사전정보로써 선호도 예측 알고리즘을 적용하기 이전에 이용할 수 있는 정보이다. 본 연구에서는 사전정보를 이용하여 고객의 선호도 예측 오차의 특성을 연구함으로써 이들의 선호도 예측 정확도를 개선시킬 수 있는 알고리즘의 보정방법에 대하여 연구한다. 알고리즘의 보정방법을 선호도 예측 이전에 고객의 선호도 평가 특성으로 판단하여 적용함으로써 사전정보를 이용한 선호도 예측 정확도를 향상시키기 위한 접근법은 기존의 이웃 구성의 접근법과 다른 방법을 취함으로써 알고리즘 개선의 새로운 방향을 제시할 것으로 기대된다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.47-50
• /
• 2015

TV는 타 도메인과 달리, 사전에 정해진 시간에 콘텐츠가 방영된다. 그러므로 TV 프로그램 추천 시스템은 시청자의 현재 시각(time-context)을 고려해야 한다. 시간 기반의 TV 프로그램 추천 방법이 다수 연구되었지만, 대부분의 기존 연구는 특정 시간대(timeslot)에서의 시청자의 선호도를 계산하는 데에만 집중되어 있고, 시청 내역 전체기간에서의 선호도를 고려하지 않은 문제점이 있다. 이러한 문제를 해결하기 위해, 시청자의 지역 선호도와 전역 선호도를 모두 고려한 시간 기반의 TV 프로그램 추천기법을 제안한다. 이를 위해 제안 방법에서는 시간대의 길이에 따라 여러 가지 선호도 모델을 사용한다. 여러 개의 선호도 모델로부터 산출된 선호도를 병합하여 가장 선호도가 높은 TV 프로그램을 추천한다. 실 데이터를 이용한 실험을 통해 기준방식과 비교함으로써, 제안 방법의 효용성을 검증하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.319-321
• /
• 2002

협력적 추천 알고리즘의 성능향상을 위한 많은 연구들이 진행되고 연구 결과로 다양한 협력적 추천 기법들이 제안되고 있다. 이러한 연구에서는 EachMovie, MovieLens등의 선호도(Rating) 값을 기반으로 하는 데이터를 대상으로 추천의 효율을 높이고자 하고 있다. 그러나 실세계에서 우리가 얻을 수 있는 원 거래 데이터(Raw Transaction Data)는 선호도 값을 갖고 있지 않다. 따라서 실세계의 구매 데이터에 효과적인 추천을 하기 위해서는 기존의 선호도 기반 알고리즘이 아닌 구매 정보만을 기반으로 하는 변경된 협력적 추천 알고리즘이 필요하다. 본 논문에서는 연관규칙 탐사 기법에서 사용하는 확신도(confidence)를 유사도식에 사용하고 이를 기반으로 선호도를 예측하는 구매 기반의 협력적 추천 알고리즘을 제안한다.

• Journal of KIISE
• /
• v.44 no.6
• /
• pp.621-627
• /
• 2017

Collaborative filtering is a technique that effectively recommends unrated items for users. Collaborative filtering is based on the similarity of the items evaluated by users. The existing top-N recommendation methods are based on pair-wise and list-wise preference models. However, these methods do not effectively represent the relative preference of items that are evaluated by users, and can not reflect the importance of each item. In this paper, we propose a new method to represent user's latent preference by combining an existing preference model and the notion of inverse user frequency. The proposed method improves the accuracy of existing methods by up to two times.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2008.04a
• /
• pp.56-59
• /
• 2008

현재의 음악 서비스들의 대부분은 음악을 가수 이름이나 장르와 같은 키워드들로 구분하여 사용자에게 제공한다. 하지만 음악의 장르가 다양해지고, 장르별로 음악의 유형도 다양해짐에 따라 키워드 기반은 음악 제공 방법만으로는 사용자가 원하는 음악을 제공하는데 한계가 있다. 이런 한계점을 극복하기 위하여 음악 자체의 성질을 기반으로 음악을 분석하는 컨텐츠 기반의 음악 분석 방법이 필요하다. 또한 사용자가 원하는 음악을 제공 받을 수 있도록 사용자의 음악 선호도를 분석하여 그에 맞는 음악을 제공하는 방법도 필요하다. 본 논문에서는 음악의 시퀀스 정보와 특징을 추출하여 음악 모델을 구축하고, 이를 사용하여 사용자의 음악 선호도를 분석하는 방법을 제안하고, 사용자의 선호도에 맞는 음악을 제공하기 위하여 선호도 분석 방법을 통해 음악을 추천해주는 시스템을 제안한다.

• Proceedings of the Korean Association of Geographic Inforamtion Studies Conference
• /
• 2010.09a
• /
• pp.65-67
• /
• 2010

위치기반서비스(LBS)는 사용자의 위치를 기반으로 다양한 정보제공 서비스를 하고 있다. 최근 연구에서는 단순한 정보제공이 아닌 사용자의 상황인식(Context-Aware)을 통하여 사용자에게 적합한 정보를 제공해주는 지능화된 서비스를 제공하고 있다. 하지만 현재 연구들은 사용자의 기본정보와 선호도정보를 이용한 단일기준 추론을 통하여 사용자에게 정보를 제공해주고 있으며, 이것은 사용자의 다양한 기준의 의사결정을 반영하지 못하는 한계점이 있다. 이러한 한계점을 극복하기 위하여 본 연구에서는 사용자의 정보, 선호도, 공간지리선호도 정보 Ontology를 구축하고, 의사 결정 기준에 가중치를 부여하는 Cost Value Ontology를 구축하여, 다 기준 의사추론을 통해 사용자에게 적절한 추천 결과가 도출되는 Ontology 추론시스템을 제안한다. 사용자들의 개인적인 특성 지식과 공간지리 선호도 지식을 구축할 수 있으며, 이러한 특성으로 구축된 지식 기반 하에 입력된 사용자 정보와 추론을 통하여 이 시스템을 통해 사용자의 선호도 Ontology를 구축할 수 있으며 이를 이용한 추론을 통하여 사용자의 현재상황에 적합한 결과를 도출함을 보였다.

• 한국ITS학회:학술대회논문집
• /
• 2008.11a
• /
• pp.437-444
• /
• 2008

• Journal of Digital Convergence
• /
• v.11 no.2
• /
• pp.271-277
• /
• 2013

Typical semantic search query for Semantic search promises to provide more accurate result than present-day keyword matching-based search by using the knowledge base represented logically. Existing keyword-based retrieval system is Preference for the semantic interpretation of a user's query is not the meaning of the user keywords of interconnect, you can not search. In this paper, we propose a method that can provide accurate results to meet the user's search intent to user preference based evaluation by ranking search. The proposed scheme is Integrated ontology-based knowledge base built on the formal structure of the semantic interpretation process based on ontology knowledge base system.

• 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 KIPS Transactions:PartA
• /
• v.10A no.3
• /
• pp.261-268
• /
• 2003

In this paper, we propose a new caching strategy for web servers. The proposed strategy collects only the statistics of the requested file, for example the popularity, when a request arrives. At a point of time, only files with higher forecasted popularity are cached all together. Forecasted popularity based lazy caching (FPLC) strategy uses exponential smoothing method for forecast popularity of web files. And, FPLC strategy shows that the cache hit ratio and the cache transfer ratio are better than those produced by other caching strategy. Furthermore, the experiment that is performed with real log files built from web servers shows our study on forecast method for popularity of web files improves cache efficiency.