• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.466-469
• /
• 2021

최근 자연어 처리에 대한 관심이 증가함에 따라 자연어 처리 기술을 활용한 다양한 추천 시스템이 등장하고 있다. 본 논문에서는 자연어 처리를 이용한 서비스를 개발한다. 본 논문에서 개발한 서비스는 KoNLPy 와 Word2Vec 을 이용하여 크라우드 펀딩 프로젝트 창작자 및 후원자에게 키워드 및 키워드와 유사한 단어가 제목에 포함되는 프로젝트를 추천해준다. 단문 텍스트로서 프로젝트 제목을 사용하여 데이터를 자연어 처리 한 후, 딥러닝 모델에 적용시켜 추출한 데이터를 기반으로 창작자와 후원자에게 추천해주는 방식이다. 따라서 본 서비스는 프로젝트 제목 정보를 통한 추천 시스템의 개발로, 나아가 영화, 도서와 같은 콘텐츠 추천 분야에도 적용할 수 있을 것으로 기대한다.

• Journal of the Korea Institute of Information Security & Cryptology
• /
• v.25 no.6
• /
• pp.1353-1360
• /
• 2015

With the extreme development of Internet, recently most users refer the sites with the various Recommendation Systems (RSs) when they want to buy some stuff, movie and music. However, the possibilities of the Sybils with the malicious behaviors may exists in these RSs sites in which Sybils intentionally increase or decrease the rating values. The RSs cannot play an accurate role of the proper recommendations to the general normal users. In this paper, we divide the given rating values into the stable or unstable states and propose a system information based recommendation algorithm that minimizes the malicious user's influence. To evaluate the performance of the proposed scheme, we directly crawl the real trace data from the famous movie site and analyze the performance. After that, we showed proposed scheme performs well compared to existing algorithms.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.554-557
• /
• 2016

2015년 우리나라 스마트폰 보급률이 83%에 다다르고 인터넷 정보 검색은 PC보다 모바일이 추월한지 오래다. 범람하는 정보 안에서 편하고 빠른 것에 익숙해진 사용자들은 이제 개인화된 맞춤형 추천 정보의 제공을 원한다. 맞춤형 추천을 위해서는 사용자의 행동을 이해하고 추천하는 것이 필요하다. 현재 대중화된 개인 추천 서비스는 책과 영화가 있는데 생활에 많은 부분을 차지하고 있는 음식점 방문에 대해서도 맞춤형 추천 서비스를 제공해 줄 수 있다. 본 논문에서는 음식점 방문에 대한 비슷한 태도를 보인 사용자를 추출한 후 방문했던 장소를 비교하여 추천하는 사용자 행동 기반 다속성 태도 모델 기반의 장소 추천 모델을 연구한다. 다속성 태도점수를 산출하기 위해 피쉬바인(Fishbein) 방정식을 활용하고 피어슨 상관계수를 이용하여 사용자들간의 유사한 장소를 추출했다. 그리고 그룹렌즈의 선호도 예측 알고리즘을 활용하여 추천 대상 장소를 선정하고 유클라디안 거리법으로 사용자의 거리기반 장소를 추천하였다. 또한 본 논문에서는 실제 데이터를 이용한 실험을 통해 본 논문에서 제시한 시스템의 우수성도 입증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.1033-1034
• /
• 2023

현대 사회에서 정신건강이 중요한 문제로 부상하고 있으나 국내 정신건강 서비스 이용률은 7.2%에 그친다. 코로나 발생 이후 이동성 제약 등의 요인에 따라 디지털 정신건강 관리 시장이 크게 성장할 것으로 보인다. 이에 본 논문에서는 AI 챗봇을 활용한 고민 상담을 통해 위로 및 제안을 제공하고, 대화 내용을 기반으로 영화를 추천하는 시스템을 제안한다. KoBert 모델을 이용하여 사용자의 감성을 분석하고, KoGPT 모델을 활용해 챗봇 응답을 생성한다.

• Journal of the Korea Society of Computer and Information
• /
• v.16 no.4
• /
• pp.159-168
• /
• 2011

As e-commerce and social media service evolves, studies on recommender systems advance, especially concerning the application of collective intelligence to personalized custom service. With the development of smartphones and mobile environment, studies on customized service are accelerated despite physical limitations of mobile devices. A typical example is combined with location-based services. In this study, we propose a recommender system using movie genre similarity and preferred genres. A profile of movie genre similarity is generated and designed to provide related service in mobile experimental environment before prototyping and testing with data from MovieLens.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.51-54
• /
• 2015

추천 시스템의 대표적인 연구 중 하나인 콘텐츠 기반 추천 시스템 연구는 TV 프로그램이나 영화의 줄거리, 장르, 리뷰 등의 콘텐츠의 메타데이터를 이용한다. 그러나 이러한 연구들은 콘텐츠 관련 정보에만 의존할 뿐, 시청자의 프로파일과 콘텐츠의 정보를 함께 고려하지 않는다. 본 논문에서는 시청자의 프로파일 중 연령과 콘텐츠의 정보인 프로그램의 줄거리를 활용한 TV 프로그램 추천 시스템을 제안한다. 본 추천 시스템은 시청자를 연령에 따라 분류한 후, LDA 알고리즘을 이용하여 시청자의 시청 TV 프로그램의 줄거리를 분류된 나이에 따라 각각의 줄거리 토픽 모델로 생성한다. 이를 기준으로 시청자가 원하는 시간대에 방송되는 프로그램들의 줄거리 토픽벡터와 시청자의 선호도 토픽벡터의 유사도를 비교해 가장 유사도가 높은 TV 프로그램을 시청자에게 추천하는 방식이다. 본 논문에서는 연구의 효용성을 검증하기 위해 줄거리만을 사용한 경우와 줄거리와 연령을 동시에 활용한 경우를 비교 실험하였다. 실험을 통해 프로그램의 줄거리만을 사용한 경우보다 연령을 동시에 활용한 경우의 추천 시스템 성능이 개선된 것을 확인할 수 있었다.

• The Journal of Bigdata
• /
• v.2 no.1
• /
• pp.41-48
• /
• 2017

Recently, the popularity of the recommendation system and the evaluation of the performance of the algorithm of the recommendation system have become important. In this study, we used modeling and RMSE to verify the effectiveness of various algorithms in movie data. The data of this study is based on user-based collaborative filtering using Pearson correlation coefficient, item-based collaborative filtering using cosine correlation coefficient, and item-based collaborative filtering model using singular value decomposition. As a result of evaluating the scores with three recommendation models, we found that item-based collaborative filtering accuracy is much higher than user-based collaborative filtering, and it is found that matrix recommendation is better when using matrix decomposition.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.404-409
• /
• 2010

협력 필터링(Collaborative Filtering)은 상품추천, 영화추천 등에 사용되는 대표적인 방법으로서, 사용자들의 사용이력에 기반해서 유사도가 높은 항목들을 찾아낸다. 본 연구에서는 상용 IPTV 서비스에 협력 필터링을 적용했을 때 만들어지는 모델을 분석하여 어떤 요소들이 협력 필터링 모델의 생성에 영향을 끼치는지 분석했다. 이를 통해 IPTV 영역에 협력 필터링을 적용했을 때 영향을 끼치는 요소들과 다른 영역과는 다르게 고려해야 할 사항들을 알 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1149-1151
• /
• 2013

본 연구는 영화 콘텐츠의 배경(공간적/시간적)에 해당하는 키워드를 자동으로 추출하는 기법을 제안한다. 제안된 기법은 영화 콘텐츠들의 리뷰 텍스트 데이터를 웹 상으로부터 수집하는 과정, 수집된 텍스트 리뷰 데이터의 전처리 과정에 해당하는 형태소 분석 및 개체명인식 과정, 마지막으로 통계적 기법을 이용하여 최종적으로 배경에 해당하는 단어를 선택하는 과정으로 이루어진다. 자동으로 추출된 배경 정보는 사용자 평가를 통하여 정확도를 측정하였으며, 자동 생성된 배경 정보를 이용하여 영화 콘텐츠의 검색 및 추천 등에 다양하게 사용될 수 있을 것으로 예상된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.648-649
• /
• 2016

일반적으로 협업 핑터랭 기반의 추천 시스템에서는 사용자와 아이템 간의 상호 작용이 희박하게 나타나는 문제 때문에 성능상의 한계점을 가지고 있다. 이 문제는 전통적으로 사용되었던 기계 학습의 입력 특성들이 의미적으로 관계가 없도록, 독립적으로 표현하기 때문이다. 본 논문에서는 임베딩 기법을 이용하여 서로 독립적으로 표현되었던 아이템들을 의미적으로 표현되는 벡터로 바꾸고, 최근 협업 필터링 기반의 추천 시스템으로 많이 사용되는 RNN을 사용하여 모델링한 시스템을 제안한다. 제안된 모델은 최근에 발표된 추천시스템들과 동등하거나 그 이상의 성능을 보일 것으로 기대된다.