• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.01a
• /
• pp.265-268
• /
• 2023

본 논문은 바쁘게 살아가는 사회인뿐만 아닌 합리적인 소비, 효율적인 시간 관리를 원하는 사람들을 위한 IoT 센서를 활용한 스마트 옷장을 제공하고자 한다. 기존 IoT 센서를 활용한 옷장은 의류를 청결하게 해주는 것에 제한되어 있지만, 본 논문에서 제안한 프로젝트는 옷을 청결하게 관리하는 것뿐만 아닌 본인의 옷의 정보를 DataBase에 저장하여 입력한 데이터를 기반으로 사용자의 옷에 대한 통계를 확인할 수 있으며, 이를 통해 의류 구매 서비스를 제공한다. 또한 날씨 데이터를 활용해 현재 날씨에서 오차범위를 계산하여 해당 날씨에 알맞은 옷을 추천하는 기능 및 관리 기능을 제공하여 효율적이고 편리한 의류를 관리할 수 있도록 한다.

• Information Systems Review
• /
• v.19 no.2
• /
• pp.71-94
• /
• 2017

Recommender systems reduce information overload and enhance choice quality. This technology is used in many services and industry. Previous studies did not consider recommendation quantity and the repetitive recommendations of an item. This study is the first to examine recommender systems by considering recommendation quantity and repetitive recommendations. Only a limited number of items are displayed in offline stores because of their physical limitations. Determining the type and number of items that will be displayed is an important consideration. In this study, I suggest the use of a user-based recommender system that can recommend the most appropriate items for each store. This model is evaluated by MAE, Precision, Recall, and F1 measure, and shows higher performance than the baseline model. I also suggest a new performance evaluation measure that includes Quantity Precision, Quantity Recall, and Quantity F1 measure. This measure considers the penalty for short or excess recommendation quantity. Novelty is defined as the proportion of items in a recommendation list that consumers may not experience. I evaluate the new revenue creation effect of the suggested model using this novelty measure. Previous research focused on recommendations for customer online, but I expand the recommender system to cover stores offline.

• Journal of the Korea Society for Simulation
• /
• v.19 no.4
• /
• pp.59-66
• /
• 2010

We present a personalized clothing recommender system - one that mines association rules from transaction described in ontologies and infers a recommendation from the rules. The recommender system can forecast frequently changing trends of clothing using the Onto-Apriori algorithm, and it makes appropriate recommendations for each users possible through the inference marked as meta nodes. We simulates the rule generator and the inferential search engine of the system with focus on accuracy and efficiency, and our results validate the system.

• Journal of the Korean Society of Clothing and Textiles
• /
• v.43 no.3
• /
• pp.349-360
• /
• 2019

This study analyzes the trends of recommendation services for customized fashion styles in relation to artificial intelligence. To achieve this goal, the study examined filtering technologies of collaborative, content based, and deep-learning as well as analyzed the characteristics of recommendation services in the users' purchasing process. The results of this study showed that the most universal recommendation technology is collaborative filtering. Collaborative filtering was shown to allow intuitive searching of similar fashion styles in the cognition of need stage, and appeared to be useful in comparing prices but not suitable for innovative customers who pursue early trends. Second, content based filtering was shown to utilize body shape as a key personal profile item in order to reduce the possibility of failure when selecting sizes online, which has limits to being able to wear the product beforehand. Third, fashion style recommendations applied with deep-learning intervene with all user processes of buying products online that was also confirmed to penetrate into the creative area of image tag services, virtual reality services, clothes wearing fit evaluation services, and individually customized design services.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.643-645
• /
• 2022

많은 온라인 쇼핑몰에서 색상 기반 필터링 서비스나 추천 시스템을 제공하지만, 수동 분류는 많은 시간이 들고 오류 위험이 있다. 본 연구의 실험에서는 먼저 분석할 의류 이미지를 실루엣 분석으로 수행한 경우와 수행하지 않는 경우의 k-평균 군집화 알고리즘으로 가장 우세한 색상 군집의 중심값을 도출하는데, 만약 군집 개수가 2개 이상이면 보다 큰 군집의 중심값만을 고려한다. 이 중심값을 이용해 사전 학습한 k-최근접 이웃 알고리즘으로 색상 클래스를 분류한다. 실험 결과 실루엣 분석을 수행하지 않은 k-평균 군집화 알고리즘을 사용한 분류 방식이 정확도와 수행 시간 모두 매우 준수하였으나, 배경색이 존재하여 의류 색 분석에 영향을 줄 수 있는 경우 잘못 분류한다는 문제도 있다.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.11
• /
• pp.447-454
• /
• 2022

In the era of the 4th industrial revolution, we are living in a flood of information. It is very difficult and complicated to find the information people need in such an environment. Therefore, in the flood of information, a recommendation system is essential. Among these recommendation systems, many studies have been conducted on each recommendation system for movies, music, food, and clothes. To date, most personalized recommendation systems have recommended clothes, books, or movies by checking individual tendencies such as age, genre, region, and gender. Future generations will want to be recommended clothes, books, and movies at once by checking age, genre, region, and gender. In this paper, we propose a recommendation system that recommends personalized clothes and food at once according to the user's emotions and weather. We obtained user data from Twitter of social media and analyzed this data as user's basic emotion according to Paul Eckman's theory. The basic emotions obtained in this way were converted into colors by applying Hayashi's Quantification Method III, and these colors were expressed as recommended clothes colors. Also, the type of clothing is recommended using the weather information of the visualcrossing.com API. In addition, various foods are recommended according to the contents of comfort food according to emotions.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.393-396
• /
• 2020

추천시스템은 대량의 정보를 이용하여 특정 사용자가 선호할만한 상품의 리스트를 추천하는 것이다. 현재 추천시스템으로 유명한 Netflix, Amazon, Youtube 등은 기업내의 상품 및 사용자 데이터를 토대로 이루어 졌으나 스타트 업 및 소규모 기업이 추천 시스템을 구축하기 위해선 기반이 될 데이터셋 자체가 없으며 데이터 수집에도 한계가 있다. 본 논문에서는 옷 추천 시스템 구축을 위해 특정 기업만이 아닌 모든 의류매장들이 사용할 수 있는 데이터 셋 구축 방법에 대해 제안하며, 고객 데이터 셋 구축을 위한 텍스트 데이터 마이닝 처리 과정과 결과에 대해 기술한다.

• Smart Media Journal
• /
• v.10 no.1
• /
• pp.116-123
• /
• 2021

Due to the rapid growth of the online fashion market and the resulting expansion of online choices, there is a problem that the seller cannot directly respond to a large number of consumers individually, although consumers are increasingly demanding for more personalized recommendation services. Images are being tagged as a way to meet consumer's personalization needs, but when people tagging, tagging is very subjective for each person, and artificial intelligence tagging has very limited words and does not meet the needs of users. To solve this problem, we designed an algorithm that recognizes the shape, attribute, and emotional information of the product included in the image with AI, and codes this information to represent all the information that the image has with a combination of codes. Through this algorithm, it became possible by acquiring a variety of information possessed by the image in real time, such as the sensibility of the fashion image and the TPO information expressed by the fashion image, which was not possible until now. Based on this information, it is possible to go beyond the stage of analyzing the tastes of consumers and make hyper-personalized clothing recommendations that combine the tastes of consumers with information about trends and TPOs.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.463-464
• /
• 2022

본 논문는 IoT 센서를 활용한 스마트 옷장을 연구하였다. 스마트 의류 관리 애플리케이션은 사용자가 등록한 옷을 카테고리별로 확인할 수 있으며, 기상청 API를 통한 날씨에 따른 의류 추천, 사용자가 착용한 의류 통계 정보와 의류 세탁 주기 정보를 제공한다. 스마트 옷장은 UV_LED를 활용한 의류 살균, 자동 미세먼지 감지 센서를 이용한 옷장 공기순환장치 기능을 제공한다. 또한 의류의 미세먼지 등을 제거할 수 있는 의류진동 기능을 제공한다. 애플리케이션 기능으로 옷을 등록할 때 옷을 계절별로 등록, 빨래 주기 설정 등 다양한 카테고리를 제공하여 기존 IoT 옷장의 기능을 개선하여 더 편리하게 의류를 관리할 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.1063-1066
• /
• 2021

본 논문은 개인의 니즈를 반영하기 위해 기존의 의류 관리기에 원하는 향을 입히는 기능을 추가한 스마트 의류 관리기를 제안한다. 의류 관리기는 시간 단축과 의류 상태 보존을 위해 세탁기 대용으로서 이용되는데 기존의 의류 관리기의 경우 먼지와 악취 제거만을 중점적으로 수행한다. 이에 본 논문에서는 개인의 취향에 맞는 향 제조를 도울 뿐만이 아니라 날씨, 계절, 그리고 사용자의 기분을 반영하여 향을 추천해준다. 애플리케이션에서는 작동 시간과 의류 및 작동 상태, 향 순위 등의 정보를 제공하여 제품의 효율성과 사용자의 편의성을 증가시킨다. 또한, openCV와 만족도 평가를 이용하여 사용자에게 알맞은 향기, 분사량을 찾을 수 있도록 피드백 과정을 거치게 된다. 이를 통해 본 논문은 개인에게 초점이 맞춰진 맞춤형 시장의 활성화 및 사용자의 편의성 증대를 목표로 한다.