• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.2
• /
• pp.242-247
• /
• 2009

Recently an intelligent system is developed for the service what users want not a passive system which just answered user's request. This intelligent system is used for personalized recommendation system and representative techniques are content-based and collaborative filtering. In this study, we propose a prediction system which is based on the techniques of recommendation system using a collaborative filtering and a fuzzy system to solve the collaborative filtering problems. In order to verify the prediction system, we used the data that is user's rating about movies. We predicted the user's rating using this data. The accuracy of this prediction system is determined by computing the RMSE(root mean square error) of the system's prediction against the actual rating about the each movie and is compared with the existing system. Thus, this prediction system can be applied to base technology of recommendation system and also recommendation of multimedia such as music and books.

• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.41-42
• /
• 2015

사람이 영화를 이해하는 주된 내용은 스토리이다. 따라서 영화를 검색하거나 추천하기 위해서는 스토리 차원의 영화 분석이 선행되어야 한다. 더욱이 영화 추천이나 검색을 위해서는 영화간의 스토리차원의 비교를 수행할 수 있는 방법론에 대한 연구가 필요하다. 이를 위해 본 논문에서는 등장인물 기반으로 하는 영화 정규화 방법론을 소개하고 군집화를 통해 그 의미를 고찰한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.797-799
• /
• 2003

다양한 분야를 대상으로 추천기법에 관한 연구 및 적용이 이루어지고 있다. 전자 상거래 분야에서 소비자가 선호할만한 상품을 추천하거나 영화 관련 사이트에서 볼만한 영화를 추천해주는 것들이 대표적인 예이다. TV 프로그램 또한 채널의 수가 수 백개 이상으로 늘어남에 따라 추천의 필요성이 제기되고 있다. 본 연구에서는 TV 프로그램들을 대상으로 하는 추천 시스템을 구현하였다. 추천 기법은 내용 기반 방식으로 이루어져 있으며 실험을 통해 내용기반 방식이 TV환경에서 가지는 효용성을 알아보고 적용 가능성을 타진해 보았다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.381-383
• /
• 2012

협업필터링은 지금까지 많은 추천시스템 연구에서 비교대상이 되거나 더 좋은 추천시스템 방법론을 개발하기 위해서 응용되고 있다. 일반적으로 협업필터링 기법은 명시적으로 관찰된 사용자들의 행동을 기반하는 방법이다. 본 연구에서는 LDA(Latent Dirichlet Allocation)을 이용해 사용자와 추천 대상이 되는 아이템의 숨겨진 특성을 추출하고, 이를 협업필터링기법에 응용했다. 영화 추천시스템 구축을 위한 실험에서, 사용자의 선호도는 다양한 영화 장르를 선호하는 비율로 나타난다는 가정(사용자기반)과 영화 또한 장르의 비율로 표현이 된다는 가정(아이템기반)을 했다. 이러한 가정을 토대로 사용자 사이와 영화 사이 간의 유사도를 정의하고, 협업필터링에 적용했을 때, 전통적인 협업필터링 기법보다 뛰어난 결과를 얻을 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.1081-1084
• /
• 2014

최근 들어, 많은 추천시스템들이 연구 되고 있으며, 대부분은 개인 맞춤형 추천 시스템이 연구되고 있다. 기존의 영화추천시스템에서는 희박성의 문제가 제기된다. 본 논문에서는 희박성에 대해 보안하고자, 개인리뷰에 대한 가중치를 활용한다. 그 결과 사용자에게 정보의 제공에 대해 효율성을 높이고, 사용자마다 영화에 대한 리뷰에 따른 감정 및 사용자의 정보들을 반영한 영화추천시스템을 설계 및 구현한다.

• The Journal of the Convergence on Culture Technology
• /
• v.7 no.1
• /
• pp.582-587
• /
• 2021

Book recommender system, which suggests book to users according to their book taste and preference effectively improves users' book-reading experience and exposes them to variety of books. Insufficient dataset of book rating records by users degrades the quality of recommendation. In this study, we suggest a book recommendation system that makes use of user's book ratings collaboratively with user's movie ratings where more abundant datasets are available. Through comprehensive experiment, we prove that our methods improve the recommendation quality and effectively recommends more diverse kind of books. In addition, this will be the first attempt for book recommendation system to utilize movie rating data, which is from the media-platform other than books.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.642-644
• /
• 2014

정보의 폭발적인 증가로 인해 사용자들은 오히려 원하는 정보를 빠른 시간에 얻는 것이 힘들어졌다. 따라서 이 문제를 해결하기 위한 다양한 방식의 새로운 서비스들이 제공되고 있다. 추천 시스템 중에서 영화를 추천해주는 방법에는 사용되는 알고리즘에는 협업필터링 방법이 가장 성공한 알고리즘으로 사용되고 있다. 협업 필터링 방법은 사용자가 자발적으로 입력한 선호도 평가치를 바탕으로 추천 하고자 하는 사용자와 취향이 비슷하다고 판단되는 사람들 즉, 최근접 이웃을 구하고 최근접 이웃의 선호도 평가치를 바탕으로 사용자에게 영화를 추천을 해주는 기법이다. 그러나 협업 필터링에는 몇 가지 대표적인 문제점이 있으며 희박성 및 확장성, 투명성이 있다. 본 논문에서는 영화 추천 시스템에서의 협업필터링의 희박성 문제를 보완하고자 개개인의 성향을 반영하여 효율이 좋은 추천 방법을 제안하고 하둡에서 성능평가를 하였다.

• Journal of the Korea Society of Computer and Information
• /
• v.18 no.10
• /
• pp.23-37
• /
• 2013

In this paper, the proposed movie recommender system constructs trust network, which is similar to social network, using user's trust information that users explicitly present. Recommendation on items is performed by using relation degree between users and information of recommended item is provided by a visualization method. We discover the hidden relationships via the constructed trust network. To provide visualized recommendation information, we employ Freebase which is large knowledge base supporting information such as movie, music, and people in structured format. We provide three visualization methods as the followings: i) visualization based on movie posters with the number of movies that user required. ii) visualization on extra information such as director, actor and genre and so on when user selected a movie from recommendation list. iii) visualization based on movie posters that is recommended by neighbors who a user selects from trust network. The proposed system considers user's social relations and provides visualization which can reflect user's requirements. Using the visualization methods, user can reach right decision making on items. Furthermore, the proposed system reflects the user's opinion through recommendation visualization methods and can provide rich information to users through LOD(Linked Open Data) Cloud such as Freebase, LinkedMDB and Wikipedia and so on.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.24 no.4
• /
• pp.443-449
• /
• 2014

Preferences of users on movies are observables of various factors that are related with user attributes and movie features. For movie recommendation, analysis methods for relation among users, movies, and preference patterns are mandatory. As a relational analysis tool, we focus on the Infinite Relational Model (IRM) which was introduced as a tool for multiple concept search. We show that IRM-based co-clustering on preference patterns and movie descriptors can be used as the first tool for movie recommender methods, especially content-based filtering approaches. By introducing a set of well-defined tag sets for movies and doing three-way co-clustering on a movie-rating matrix and a movie-tag matrix, we discovered various explainable relations among users and movies. We suggest various usages of IRM-based co-clustering, espcially, for incremental and dynamic recommender systems.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.18 no.7
• /
• pp.1643-1651
• /
• 2014

Social networking services (in short, SNS) allow users to share their own data with family, friends, and communities. Since there are many kinds of information that has been uploaded and shared through the SNS, the amount of information on the SNS keeps increasing exponentially. Particularly, Facebook has adopted some interesting features related to entertainment (e.g., movie, music and TV show). However, they do not consider contextual information of users for recommendation (e.g., time, location, and social contexts). Therefore, in this paper, we propose a novel approach for movie recommendation based on the integration of a variety contextual information (i.e., when the users watched the movies, where the users watched the movies, and who watched the movie with them). Thus, we developed a Facebook application (called MyMovieHistory) for recording the movie history of users and recommending relevant movies.