• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 춘계학술발표대회
• /
• pp.727-728
• /
• 2014

온라인 서비스와 스마트 기기의 발달로 언제 어디서나 인터넷에 접속할 수 있는 시대가 도래되었다. 수많은 콘텐츠와 서비스가 쏟아져 사용자 입장에서 자신이 선호하는 콘텐츠를 자신이 원할 때 전달받는 것이 필요해졌다. 즉, 사용자의 선호도에 따라 콘텐츠를 추천하는 시스템이 현재 실생활에서도 활용되고 있다는 뜻이다. 이를 근거로 대용량의 데이터를 다루는 마이닝 기법 기반의 추천 시스템인 협업 필터링 추천기법과 내용기반 추천기법의 개념과 문제점들을 분석해 보았다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 춘계학술발표대회
• /
• pp.296-298
• /
• 2019

개방과 협력의 시대로 불리는 현재, 학문분야의 융합과 소통은 이미 오래전부터 강조되었던 가치다. 그러나 현실적으로 오랜 세월 전문 영역의 틀로써 명확히 분리되어왔던 학자들이 다른 영역의 연구자들과 자유롭게 협업 및 교류하는 상황은 쉽게 일어나기 어렵다. 이러한 문제에 대한 해결책으로서 본 연구는 온라인 네트워크 플랫폼에 주목하였다. 특히 학문 전 분야의 전문 연구자들을 연결하는 세계적인 플랫폼인 리서치게이트의 사례를 통해 사용자 동인을 확인해보고자 하였다. 이를 위해 본 연구에서는 국내 리서치게이트 이용자들에 대한 사용성 평가 설문 및 FGI를 계획하였다. 본 연구의 결과는 국내 연구자들을 중심으로 한 전문연구자 정보 네트워크 플랫폼 개발 방향에 대해 현실적인 시사점을 제시할 것으로 기대한다.

• 방송과미디어
• /
• 제27권3호
• /
• pp.67-78
• /
• 2022

제조업과 같은 산업체에서는 현장을 이해하고 문서를 확인하는 과정에서 시간, 비용이 많이 소요되기 때문에 해석하기 용이한 3차원 형태의 데이터로 미리 제작하고 온라인으로 모델을 공유하고 수정하는 것은 작업 효율을 향상시킬 수 있다. 작업물을 3D 객체 형태로 분석하거나 수정 보완을 위한 가상 목업(mock-up)으로 활용할 경우, 3D 모델링을 빠르고 정확하게 생성하는 기술에 대한 연구가 필요하다. 본 논문에서는 2D CAD 이미지를 분석하여 도형 형태와 수치 정보를 각각 인식하고 3D 객체를 자동 생성하는 방법의 설계를 제안한다. 제안한 방식을 통해서 2D 이미지 파일의 별도 변환 없이 3D 객체로 자동 생성할 수 있다. 빠르게 자동 생성된 3D 객체는 XR 등의 다양한 플랫폼에서 정확하고 세밀한 형태를 가상 공간에서 공유할 수 있어 작업자 간 협업 효율성을 높일 수 있다.

• 지능정보연구
• /
• 제14권2호
• /
• pp.207-222
• /
• 2008

농축수산물의 안전성에 대한 문제가 속출하면서 농축산물에 대한 이력추적시스템 도입과 실효성 있는 서비스 방안에 대한 개발 필요성이 대두되고 있다. 특히, 농축산물의 온라인 유통 확대에 따라 소비자에게 용이한 정보탐색 기회를 제공하는 동시에 상품에 대한 안전성 문제를 해결할 수 있는 새로운 개인화 방법개발 및 시스템 도입이 요구되고 있다. 본 연구에서는 RFID 태그 기반의 이력추적시스템으로부터 획득되는 객관적 데이터를 분석하여 상품의 품질 상태를 판단하고 해당 정보를 가장 성공적인 추천방법으로 알려진 협업필터링에 이용할 수 있는 방법인 PDCF-ASP를 개발하였다. 농축산물 이력정보를 이용한 협업필터링 시스템은 소비자에게 개인화된 추천 상품정보를 제공함으로써 보다 편리한 쇼핑경험을 가능하게 하는 동시에 농축산물 생산 유통 판매의 안전성에 기여할 것이다.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.707-712
• /
• 2017

데이터의 양이 기하급수적으로 증가함에 따라 추천 시스템(recommender system)은 영화, 도서, 음악 등 다양한 산업에서 관심을 받고 있고 연구 대상이 되고 있다. 추천시스템은 사용자들의 과거 선호도 및 클릭스트림(click stream)을 바탕으로 사용자에게 적절한 아이템을 제안하는 것을 목적으로 한다. 대표적인 예로 넷플릭스의 영화 추천 시스템, 아마존의 도서 추천 시스템 등이 있다. 기존의 선행 연구는 협업적 여과, 내용 기반 추천, 혼합 방식의 3가지 방식으로 크게 분류할 수 있다. 하지만 기존의 추천 시스템은 희소성(sparsity), 콜드스타트(cold start), 확장성(scalability) 문제 등의 단점들이 있다. 이러한 단점들을 개선하고 보다 정확도가 높은 추천 시스템을 개발하기 위해 실제 온라인 기업의 상품구매 데이터를 이용해 factorization machine으로 추천시스템을 설계했다.

• 한국HCI학회논문지
• /
• 제7권2호
• /
• pp.17-24
• /
• 2012

본 연구에서는 오픈 소스와 소셜 컴퓨팅의 결합인 소셜 코딩 플랫폼의 대표적인 사이트 Github(http://github.com)를 대상으로 소셜 컴퓨팅 요소들이 프로젝트 결과물에 어떠한 영향을 미치는지 알아보고자 하였다. 소셜 컴퓨팅 요소의 적용 및 효과에 대한 논의는 갈수록 활발해지는 추세이나, 오픈 소스와 같이 대표적인 온라인 협업 공간에 소셜 컴퓨팅 요소를 적용하였을 때 그것이 협업 성과에 어떤 영향을 미칠 것인지에 대한 연구는 아직 미흡한 실정이다. 보다 세부적인 연구 질문은 다음과 같다: 1) 소셜 코딩 플랫폼의 시스템 요소들은 기능적으로 어떻게 구부할 수 있는가? 2) 실제 프로젝트의 결과물과 시스템 요소 이용 간에는 어떠한 관계가 있는가? 이에 답하기 위해 본 연구에서는 정성 및 정량적 분석을 수행하였다. 정성적 분석으로는 Github 이용자들의 인터뷰 결과에 기반하여 Github에서 제공하는 시스템 요소들을 기본적인 기능에 따라 분류하였고, 정량적 분석으로는 시스템 요소들과 프로젝트 결과물 간의 관계를 파악하기 위해 2,034개 프로젝트 샘플을 대상으로 다중 회귀 분석을 실시하였다. 결론적으로, 외부 연결 시스템 요소들이 프로젝트들의 코드에 큰 영향을 미친다는 사실을 발견하였다. 마지막으로는 본 연구의 결과에 기반한 함의를 제시하였다.

• 문화기술의 융합
• /
• 제7권4호
• /
• pp.435-440
• /
• 2021

본 연구는 2020-2학기 00_대학교 <문화와 철학의 이해>라는 균형교양교과목에서 실시한 PBL(문제중심학습) 수업 사례를 통해 그 학습의 효과를 고찰한 것이다. 학습을 통한 효과는 다음과 같다. 첫째, PBL(문제중심학습)은 교수자와 학습자 간의 적극적인 상호작용이 충분히 이루어진다. 비대면 학습이 장기화되고 있는 실정에서 PBL교수법은 교수자-학습자, 학습자-학습자 간의 충분한 상호작용이 이루어진다. 둘째, PBL학습은 교과목 특성에 맞는 다양한 문제를 적극적으로 활용하고, 역할 분담과 협업의 과정을 적극적으로 활용할 수 있다. 셋째, 문제 상황에 대한 비판적 인식을 확장할 수 있다. 본 수업 사례에서 확인한 한계점은 첫째, <문화와 철학의 이해>라는 교과목의 특성상 세계문화 현상에 대한 논의는 충분히 가능하지만, 철학이라는 관점에서 논의가 되어야 한다. 철학적 부분을 분히 검토하여 적절하게 적용해야 한다. 둘째, 비대면 온라인에서 팀 작업이 쉽지 않다는 점이다. 오프라인 수업에서 팀을 이루어 학생들이 논의의 과정을 거친다면 훨씬 효과적인 학습이 이루어질 수 있을 것이다.

• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1293-1304
• /
• 2022

개인화 추천시스템은 각 개인의 관심사나 선호도를 분석하여 이에 맞는 정보나 제품을 추천해주는 것을 의미한다. 이러한 개인화 추천을 통해 소비자들은 본인에게 필요한 제품들을 보다 빠르게 접함으로써 정보 탐색에 소모하는 시간을 단축할 수 있으며, 기업들은 소비자들의 필요에 맞는 적절한 제품을 추천해줌으로써 기업 이윤을 증가시킬 수 있다. 본 연구에서는 대표적인 개인화 추천 기법들인 협업 필터링, 행렬 요인화, 딥러닝을 사용하여 소비자에게 제품을 추천해준다. 이를 위해 원데이터 (Raw data)인 쇼핑몰 상품 구매 후기 데이터세트를 추천시스템의 입력으로 전달하기 위한 형태로 전처리하고, 전처리한 데이터세트를 다각도로 분석해본다. 또한, 각각의 모델들이 추천한 결과에 대해 검증 및 성능 비교를 수행하고 최적의 성능을 보이는 모델을 탐색하여 이후 해당 쇼핑몰에서 추천시스템 구축 시 어떤 모델을 사용하는 것이 좋을지를 제시한다.

• 경영정보학연구
• /
• 제17권3호
• /
• pp.95-111
• /
• 2015

추천시스템은 과거 구매행동을 통해 사용자가 향후 구매할 것이라 예상되는 제품을 자동으로 검색하여 제공하는 시스템이다. 이러한 추천시스템은 여러 전자상거래 업체에서 도입하고 있으며, 사용자의 편의성 및 수익에 긍정적인 영향을 미치고 있다. 하지만 사용자가 어떠한 기준을 가지고 제품을 평가하는지, 어떠한 요소가 구매 의사 결정에 영향을 미치는지는 반영할 수 없다는 한계가 있다. 이에 본 연구에서는 사용자가 직접 작성한 구매후기를 통해, 사용자 별 제품 평가요소를 활용할 수 있는 추천 모형 알고리즘을 개발하였다. 토픽 모델링을 활용하여 사용자들의 구매후기를 분석하였으며, 이러한 후기의 특성이 반영된 커널과 평가 점수가 반영된 커널 등을 함께 활용하여 다중 커널 학습 기반의 추천 모형을 개발하였다. 또한, 이러한 모형을 BestBuy 사례에 적용하여 검증하였다. 검증 결과, 기존 협업적 필터링 알고리즘보다 다중 커널 학습에 의한 추천 모형의 정확도가 우수하였고, 구매후기의 유사성을 반영하였기에, 사용자가 어떠한 요소를 평가하는지를 확인할 수 있었다. 또한, 기존 협업적 필터링 알고리즘보다 다양한 제품에 대한 추천이 가능함을 확인할 수 있었다. 본 연구는 토픽 모델링과 커널 학습 기반을 사용한 융합적인 추천모형으로서, 온라인 추천시스템의 새로운 방법을 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제26권1호
• /
• pp.265-274
• /
• 2021

본 논문에서는 검색 키워드와 상품 상세정보를 활용한 Doc2vec 기반의 새로운 추천 모형을 제안한다. 지금까지 추천 시스템에 관한 많은 기존 연구에서는 고객의 구매 이력이나 평점 같은 정형 데이터만을 사용하는 협업 필터링(CF) 알고리즘에 기반한 추천 모델이 제안되었다. 그러나 CF에서 온라인 고객 리뷰와 같은 비정형 데이터를 사용하면, 보다 나은 추천결과를 도출할 수 있다. 이에 본 연구에서는 기존 연구에서 거의 활용되지 않았던 검색 키워드 정보와 상품 상세정보를 제품 추천에 활용할 것을 제안한다. 본 연구의 제안 모형은 고객이 구매한 상품에 대한 평점, 검색어, 상품 상세정보를 종합적으로 고려한 CF 알고리즘을 이용해 추천결과를 생성한다. 이 때 비정형 데이터로부터 정량적인 패턴을 추출하기 위한 방법으로는 Doc2vec이 적용된다. 실험 결과 제안 모형이 기존 추천 모형보다 더 나은 성능을 보이는 것을 알 수 있었고, 검색어 및 상품 상세정보가 추천에 유의한 영향을 미치는 것을 확인하였다. 본 연구는 고객의 온라인 행동 정보를 추천시스템에 적용하였다는 점과 전통적인 CF의 한계 중 하나인 콜드 스타트 문제를 완화하였다는 점에서 학술적 의의가 있다.