• 대한산업공학회지
• /
• 제41권2호
• /
• pp.128-136
• /
• 2015

With the recent interests with culture technologies, many studies for recommendation systems have been done. In this vein, various music recommendation systems have been developed. However, they have often focused on the technical aspects such as feature extraction and similarity comparison, and have not sufficiently addressed them in user-centered perspectives. For users' high satisfaction with recommended music items, it is necessary to study how the items are connected to the users' actual desires. For this, our study proposes a novel music recommendation method based on serendipity, which means the freshness users feel for their familiar items. The serendipity is measured through the comparison of users' past and recent listening tendencies. We utilize neural networks to apply these tendencies to the recommendation process and to extract the features of music items as MFCCs (Mel-frequency cepstral coefficients). In that the recommendation method is developed based on the characteristics of user behaviors, it is expected that user satisfaction for the recommended items can be actually increased.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2012년도 하계학술대회
• /
• pp.215-218
• /
• 2012

반도체 기술 및 방송통신기술의 발달에 따라 소비자는 복잡하고 다양한 서비스 환경을 접하고 있으며, 개인당 소비되는 콘텐츠의 양은 기하급수적으로 증가 되고 있다. 스마트폰과 같은 멀티미디어기기의 발전으로 기존의 단순 시청에서 벗어나 멀티미디어 검색과 추천과 같은 다양한 서비스들이 제공되고 있으며, 웹과 인터넷을 기반으로 하는 정보기술은 모바일 전자 기술의 발달에 따라 데스크톱이라는 공간적인 한계를 벗어나 유기적인 유비쿼터스 환경으로 변화하고 있다. 이와 같이 소비자들이 접하는 멀티미디어의 양이 증가됨에 따라, 멀티미디어를 검색하기 위한 다양 서비스들이 사업자들을 통해 제공되고 있다. 그러나 사업자들이 구축한 서버들은 공유되어지지 못하며, 공유되더라도 공유하기 위한 방법이 제각각이다. 이에 MPEG에서는 멀티미디어 콘텐츠를 검색하기 위한 질의 구조를 표준화 하여, 서비스 제공자 및 소비자들에게 유용한 검색 인터페이스를 제공하였다. 이에 본 논문에서는 MPEG Query Format에 기반 하여 임베디드 환경에서 광대한 양의 음악 콘텐츠에서 사용자가 원하는 허밍 질의를 편리하게 검색하기 위한 방법을 성계 및 구현한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2014년도 추계학술발표대회
• /
• pp.737-740
• /
• 2014

최근 SNS 사용자가 급증하면서 매우 다양하고 방대한 양의 글이 여러 종류의 SNS를 통해 생성되고 있다. 그중 트위터는 정보의 전달 및 확산에 상당히 유용한 도구로 사용되고 있다. 이러한 트위터의 사용자 트윗은 뉴스, 음악, 사진, 여행 등 다양한 형태로 등장한다. 또한 트위터는 해시태그라는 사용자 정의 태그를 사용하는데 이는 트윗의 키워드 및 핵심을 쉽게 표현할 수 있도록 해주는 효과적인 수단이다. 최근 상당히 많은 양의 트윗의 생성에도 불구하고 이를 다양한 카테고리별로 분류할 수 있는 연구가 많이 진행되지 않았다. 따라서 본 논문에서는 해시태그를 이용해 트윗의 핵심을 파악하고 수많은 트윗을 다양한 토픽별로 분류할 수 있는 기법을 제안한다. 우선 다양한 카테고리의 인기 해시태그가 포함된 트윗을 수집하고 수집한 트윗에서 해시태그별 키워드를 추출한다. 그리고 코사인 유사도를 통해 해시태그별 내용 유사도를 파악하여 각 카테고리 내의 해시태그가 얼마나 유사한 내용을 지니고 있는지 파악한다. 마지막으로 사용자 트윗이 입력되면 모든 카테고리와 유사도를 비교하여 가장 유사도가 높은 카테고리를 찾아 추천해준다. 제안된 기법을 바탕으로 프로토타입을 구현하고 실험을 통해 성능을 평가한다.

• 지능정보연구
• /
• 제19권1호
• /
• pp.57-77
• /
• 2013

소셜 미디어는 모바일 어플리케이션과 웹에서 가장 많이 사용되는 미디어 중 하나이다. Nielsen사의 보고서에 따르면 소셜 네트워크 서비스와 블로그가 온라인 사용자의 주 활동 공간으로 사용되고 있으며, 미국인 중에서 온라인 활동이 왕성한 5명의 사용자중 4명은 매일 소셜 네트워크 서비스와 블로그를 방문하고 온라인 활동 시간의 23%를 소비한다고 집계하고 있다. 미국의 인터넷 사용자들은 야후, 구글, AOL 미디어 네트워크, 트위터, 링크드인 등과 같은 소셜 네트워크 서비스중 페이스북에서 가장 많은 시간을 소비한다. 최근에는 대부분의 회사들이 자신의 특정 상품에 대하여 "페이스북 페이지(Facebook Page)"를 생성하고 상품에 대한 프로모션을 진행한다. 페이스북에서 제공되는 "좋아요" 옵션은 페이스북 페이지를 통해 자신이 관심을 가지는 상품(아이템)을 표시하고 그 상품을 지지할 수 있도록 한다. 많은 영화를 제작하는 영화 제작사들도 페이스북 페이지와 "좋아요" 옵션을 이용하여 영화 프로모션과 마케팅에 이용한다. 일반적으로 다수의 스트리밍 서비스 제공업들도 영화와 TV 프로그램을 즐기며 볼 수 있는 서비스를 사용자들에게 제공한다. 이 서비스는 일반 컴퓨터와 TV 등의 단말기에서인터넷을 통해 영화와 TV 프로그램을 즉각적으로 제공할 수 있다. 스트리밍 서비스의 선두 주자인 넷플릭스는 미국, 라틴 아메리카, 영국 그리고 북유럽 국가 등에 3천만 명 이상의 스트리밍 사용자가 가입되어 있다. 또한 넥플릭스는 다양한 장르로 구성된 수백만 개의 영화와 TV 프로그램을 보유하고 있다. 하지만 수많은 콘텐츠로 인해 사용자들은 자신이 선호하는 장르에 관련된 영화와 TV 프로그램을 찾기 위해 많은 시간을 소비해야 된다. 많은 연구자들이 이러한 사용자의 불편함을 줄이기 위해 아이템에 대한 사용자가 보지 않은 아이템에 대한 선호도를 예측하고 높은 예측값을 갖는 아이템을 사용자에게 제공하기 위한 추천 시스템을 적용하였다. 협업적 여과 방법은 추천 시스템을 구축하기 위해 가장 많이 사용되는 방법이다. 협업적 여과 시스템은 사용자들이 평가한 아이템을 기반으로 각 사용자 간의 유사도를 측정하고 목적 사용자와 유사한 성향을 가진 사용자 그룹을 결정한다. 군집된 그룹은 이웃 사용자 집단으로 불리며 이를 이용하여 특정 아이템에 대한 선호도를 예측하고, 예측 값이 높은 아이템을 목적 사용자에게 추천해 준다. 협업적 여과 방법이 적용되는 분야는 서적, 음악, 영화, 뉴스 및 비디오 등 다양하지만 논문에서는 영화에 초점을 맞춘다. 이 협업적 여과 방법이 추천 시스템 내에서 유용하게 활용되고 있지만 아직 "희박성 문제"와 "콜드 스타트 문제" 등 해결해야 할 과제가 남아있다. 희박성 문제는 아이템의 수가 증가할수록 아이템에 대한 사용자의 로그 밀도가 감소하는 것이다. 즉, 전체 아이템 수에 비해 사용자가 아이템에 대해 평가한 정보가 충분하지 않기 때문에 사용자의 성향을 파악하기 어렵고, 이로 인해 사용자가 아직 평가하지 않은 아이템에 대해서 선호도를 추측하기 어려운 것을 말한다. 이 희박성 문제가 포함된 경우 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자들에게 제공되는 아이템 추천의 질이 떨어지게 된다. 콜드 스타트 문제는 시스템 내에 새로 들어온 사용자 또는 아이템으로 지금까지 한 번도 평가를 하지 않은 경우에 발생한다. 즉, 사용자가 평가한 아이템에 대한 정보가 전혀 포함되어 있지 않거나 매우 적기 때문에 이러한 경우 또한 적합한 이웃 사용자 집단을 형성하는데 어려움을 겪게 되고 사용자가 평가하지 않은 아이템에 대한 선호도 예측의 정확성이 감소되게 된다. 본 논문에서는 영화 추천 시스템에서 발생될 수 있는 초기 사용자 문제를 해결하기 위하여 사용자가 평가한 영화와 소셜 네트워크 서비스로부터 추출된 사용자 선호 장르를 활용하여 사용자 군집을 형성하고 이를 활용하는 방법을 제안한다. 소셜 네트워크 서비스로부터 사용자가 선호하는 영화 장르를 추출하기 위해 페이스북 페이지의 '좋아요' 옵션을 이용하며, 이 '좋아요' 정보를 분석하여 사용자의 영화 장르 관심사를 추출한다. 페이스북의 영화 페이지는 각 영화를 위한 페이스북 페이지로 구성되고 있으며, 사용자는 자신의 선호도에 따라서 "좋아요" 옵션을 선택할 수 있다. 사용자의 페이스북 정보는 페이스북 그래프 API를 활용하여 추출되고 이로부터 사용자 선호 영화를 알 수 있게 된다. 시스템에서 활용되는 영화 정보는 인터넷 영화 데이터베이스인 IMDb로부터 획득한다. IMDb는 수많은 영화와 TV 프로그램을 보유하고 있으며, 각 영화에 관련된 배우 정보, 장르 및 부가 정보들을 포함한다. 논문에서는 사용자가 "좋아요" 표시를 한 영화 페이지를 이용하여 IMDb로부터 영화 장르 정보를 가져온다. 그리고 추출된 영화 장르 선호도와 본 시스템에서 제안하는 영화 평가 항목을 이용하여 유사한 이웃 사용자 집단을 구성한 후, 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고, 높은 예측 값을 갖는 아이템을 사용자에게 추천한다. 본 논문에서 제안한 사용자의 선호 장르 기반의 사용자 군집 기법을 이용한 시스템을 평가하기 위해서 IMDb 데이터 집합을 이용하여 사용자 영화 평가 시스템을 구축하였고 참가자들의 영화 평가 정보를 획득하였다. 페이스북 영화 페이지 정보는 참가자들의 페이스북 계정과 페이스북 그래프 API를 통해 획득하였다. 사용자 영화 평가 시스템을 통해 획득된 사용자 데이터를 제안하는 방법에 적용하였고 추천 성능, 품질 및 초기 사용자 문제를 벤치마크 알고리즘과 비교하여 평가하였다. 실험 평가의 결과 제안하는 방법을 적용한 추천 시스템을 통해 추천의 품질을 10% 향상시킬 수 있었고, 초기 사용자 문제에 대해서 15% 완화시킬 수 있음을 볼 수 있었다.

• 인간행동과 음악연구
• /
• 제6권1호
• /
• pp.33-53
• /
• 2009

본 연구는 가창 프로그램이 저소득층 가정 아동의 위축행동에 어떠한 영향을 미치는지에 대해 알아본 실험연구로 교사에게 추천 받은 서울 소재 S 지역아동센터에 다니고 있는 위축행동 아동 5명에게 가창 프로그램을 한 회기 60분씩 총 10회기 실시하였다. 양적 측정을 위해 아동에게는 K-CBCL의 자기보고형 위축척도 검사를, 교사에게는 K-CBCL의 교사 평가 위축척도 검사를 실시하여 대상자들의 위축행동 변화를 살펴보았고 그 외 위축관련 행동인 목소리 사용 변화와 자기표현 변화 그리고 눈맞춤 횟수 변화를 관찰하기 위해 매 회기 녹화된 비디오를 분석하고 이를 기록하였다. 그 결과 K-CBCL의 자기보고형 위축척도 점수는 6.4점 감소하였고, Wilcoxon 비모수 검정 결과 유의수준 .042(p < .05)로 통계적으로 유의미하였다. 또 K-CBCL의 교사 평가 위축척도 점수는 3.6점 감소하였고, Wilcoxon 비모수 검정 결과 역시 유의수준 .042(p < .05)로 통계적으로 유의미하였다. 또 대상자들이 가창 활동 안에서 보인 위축관련 행동인 목소리 사용과 자기표현 변화, 그리고 눈맞춤 횟수를 비디오 분석을 통해 회기별로 분석한 결과 가창 활동 초기에 비해 후기에 각 행동이 긍정적으로 변화한 것으로 나타났다. 따라서 가창 프로그램은 저소득층 가정 아동의 위축행동을 감소시키는 데에 효과적인 중재도구임을 시사한다고 볼 수 있다.

• 예술경영연구
• /
• 제52호
• /
• pp.75-105
• /
• 2019

오늘날 문화소비를 연구하는데 있어 실제 관람객의 경험을 구체적으로 이해하고 분석하는 작업은 핵심적이다. 이는 소셜미디어 등 표현할 수 있는 미디어 공간이 증가하면서 실제로 사람들이 많은 공연 경험들을 기록으로 남기고 있기 때문에 이 전에는 접근이 불가능했던 주관적인 경험의 기록들을 데이터로 활용할 수 있게 되었다는 점과 깊이 관련되어 있다. 이 연구는 사람들의 공연 경험이 실제로 어떤 요소로 구성되어 있는지를 온라인상에 존재하는 공연 경험에 대한 사람들의 실제 표현에 기반해 살펴보고자 한다. 이를 위해 두 가지 유형의 데이터를 확보하였다. 먼저 관람 전에 공연 추천을 요청하는 글을 올릴 때 원하는 공연을 어떻게 표현하는가를 지식인과 카페 플랫폼에서 수집해 수식어를 중심으로 분석하였다. 그 결과 사람들은 동반자나 나이와 같은 개인의 구체적인 상황이 반영된 수식어를 주로 사용하는 것으로 나타났다. 한편 티켓예매사이트의 공연 후기 글을 통해 관람 후 경험이 어떻게 묘사되었는가를 분석하였다. 그 결과 기존 연구에서 공연 경험 만족 요소로 알려져 왔던 스토리나 음악과 같은 요소 외에도 동반자, 재관람 의도, 관람 경력과 관련된 표현이 중심을 이루는 것으로 드러났다. 연구 결과에 대한 이론적 논의 뿐아니라 실용적 의의와 한계에 대해서 논의하였다.

• 한국콘텐츠학회논문지
• /
• 제8권12호
• /
• pp.109-117
• /
• 2008

본 연구는 극장용 애니메이션 관객의 집단별 관람동기와 정보원, 그리고 내용적 속성에 따른 관람선택 기준의 평균비교와 집단 간 차이를 분석하였다. 집단별 구성은 관람빈도에 근거하여 중관람자, 중간관람자, 그리고 경관람자로 분류하였다. 전체 집단의 평균비교 결과, 첫째, 관람동기에서는 "보고 싶은 애니메이션이 있어서", "여가활동이나 시간을 보내기 위해", "유쾌한 활동을 즐기기 위해", "다른 사람의 권유나 추천" 등의 순으로 나타났다. 둘째, 정보원적 속성에 대한 선택기준에서는 "주변 소문이나 평판", "예고편", "인터넷 평가/평점" 등의 순으로 나타났다. 마지막으로 내용적 속성에 대한 선택기준에서는 "스토리", "캐릭터", "특수효과", "배경음악", "배경미술", "감독/연출", "제작사/국가", 그리고 "성우더빙" 순으로 나타났다. 집단 간 차이에 대한 검증결과, 관람동기와 내용적 속성에 대한 선택기준에서는 집단별로 유의미한 차이가 나타났다. 반면, 정보원적 속성에 대한 선택기준에서는 집단별로 유의미한 차이가 나타나지 않았다.

• 영재교육연구
• /
• 제22권1호
• /
• pp.87-115
• /
• 2012

본 연구는 가정의 소득 수준과 다문화 가정환경을 고려하여 선발된 사회적 배려대상 초등학생들 중 음악, 시각예술, 발레 영역에서 예술적 잠재성을 보이는 예술영재를 판별하는 모형 개발에 관한 것이다. 연구에서 개발한 SMC모형은 예술적 기술, 동기, 창의성을 주요 판별 요소로 포함하며 문서 리뷰 및 교사 추천, 예술 영재성 평가, 종합 평가의 세 단계를 통해서 총체적, 영역 일반적 예술 영재성과 세부적, 영역 특수적 예술 영재성을 평가함으로써 아동의 예술적 잠재성을 조기에 인식하고 판별하는 것을 주된 목적으로 하고 있다. 사회적 배려대상 예술영재의 효과적인 판별은 숨어있는 다수의 잠재적 예술영재들의 발견을 통해서 예술영재교육의 대상과 범위를 확대시키고 이들의 영재성 계발을 가능하게 하는 후속 프로그램 개발에 유용한 정보를 제공해 줄 것이다.

• 한국융합학회논문지
• /
• 제11권8호
• /
• pp.139-145
• /
• 2020

컴퓨터 기술의 급속한 발전으로 인해 ICT 기술을 이용한 온라인 학습은 이미 우리 생활에 빠르게 정착하고 있다. 음악 교육은 오프라인 기반의 환경을 중심으로 진행되었으나, 온라인 교육에 시공간 제약이 없다는 점, 학습자 주도의 쌍방향 교육이 가능하다는 점에서 그 교육 방식을 온라인으로 전환하는 연구가 활발히 진행되고 있다. 본 연구는 온라인에서 적응형 학습이 가능하도록 '화성학' 학습 시스템을 제안, 설계, 구현하는 일련의 과정을 담는다. 이 시스템은 다음과 같은 긍정적 효과를 기대할 수 있다. 첫째, LMS 기반의 플랫폼을 제공하여, 경제적·지리적 요인에 해당하는 사회적 교육 문제를 해결할 수 있다. 둘째, 온라인 적응형 화성학 학습 시스템이 자동으로 제공하는 객관적인 학습 피드백과 교수자의 학습 피드백을 모두 제공한다. 셋째, 학습자가 자신이 학습한 화성학 문제에 대한 추천 답안을 받을 수 있다. 이러한 이점을 활용한 온라인 적응형 화성학 학습 시스템은 교수자와 학습자 간의 효과적인 교수 학습을 증진시킬 수 있을 것으로 기대한다.

• 전기학회논문지
• /
• 제66권7호
• /
• pp.1083-1091
• /
• 2017

As big data technologies have been developed and massive data have exploded from users through various channels, CEO of global IT enterprise mentioned core importance of data in next generation business. Therefore various machine learning technologies have been necessary to apply data driven services but especially recommendation has been core technique in viewpoint of directly providing summarized information or exact choice of items to users in information flooding environment. Recently evolved recommendation techniques have been proposed by many researchers and most of service companies with big data tried to apply refined recommendation method on their online business. For example, Amazon used item to item collaborative filtering method on its sales distribution platform. In this paper, we develop a commercial web service for suggesting music contents and implement three representative collaborative filtering methods on the service. We also produce recommendation lists with three methods based on real world sample data and evaluate the usefulness of them by comparison among the produced result. This study is meaningful in terms of suggesting the right direction and practicality when companies and developers want to develop web services by applying big data based recommendation techniques in practical environment.