• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.481-485
• /
• 2020

AI와 사용자간의 대화를 통해 사용자의 요구사항을 파악하고, 해당 요구사항에 적합한 상품을 추천하는 형상을 인터랙션 기반 추천 시스템의 한 예로 볼 수 있다. 우리는 해당 시스템 개발을 위하여 의상 코디셋 추천을 위한 대화 기반 데이터셋을 구축하였다. 데이터셋은 대화와 의상 추천 절차를 반복하여 사용자가 원하는 의상셋을 찾아가는 내용으로 구성된다. 그리고, AI의 코디셋 추천 기술 검증을 위해 두가지 의상 추천 평가셋을 제안한다. 본 논문은 대화 데이터셋 및 관련 평가셋의 개발 절차 및 구성에 대하여 기술하고, 관련된 실험 결과 일부를 보여준다.

• Annual Conference on Human and Language Technology
• /
• 2021.10a
• /
• pp.514-517
• /
• 2021

FASCODE-EVAL1은 고객과 시스템간의 의상 추천 대화 문맥과 해당 문맥의 요구사항을 고려한 의상셋 추천 목록으로 구성된다. 의상셋 추천 목록은 3개의 의상셋 후보로 구성되고, 문맥과 관련성이 높은 순서로 정렬된다. 해당 정렬을 찾는 방식으로 의상 추천 시스템 평가를 진행한다. 대화 문맥는 텍스트로 되어 있고, 의상 아이템은 텍스트로 구성된 자질 정보와 의상 이미지 정보로 구성된다. 본 논문은 FASCODE-EVAL 문제를 해결하기 위하여 트랜스포머 기반의 사전학습 언어모델을 이용하고, 텍스트 정보와 이미지 정보를 해당 언어모델에 통합하는 방법을 보여준다. FASCODE-EVAL 실험결과는 기존 공개된 결과들보다 우수한 성능을 보여준다.

• Annual Conference of KIPS
• /
• 2017.04a
• /
• pp.708-711
• /
• 2017

최근 의류업계에서는 데이터마이닝을 이용하여 의상을 추천하는 시스템에 대한 연구가 활발하게 진행되고 있다. 하지만 기존 연구들은, 의상구매가 온 오프라인 모두에서 활발함에도 불구하고 온라인 쇼핑몰에서 얻을 수 있는 데이터에 국한되어 연구가 진행되고 있다. 본 논문에서는 온라인 데이터 위주의 기존 의상 추천 시스템을 스마트 홈 미러의 가상 착의시스템을 사용하여 온 오프라인 데이터를 모두 반영한 추천시스템을 구현했다. 또한 사용자에게 적합한 추천시스템을 제공하기 위해 지역별 인구분포와 사용자 기본DB를 단계별로 그룹화 했다. 정확도와 사용자 만족도를 향상 시키고자 단계별로 가중치를 부여해 협업 필터링과 날씨, 종류, 색상을 속성으로 한 내용기반 필터링을 결합하는 시스템을 제시했다.

• Annual Conference of KIPS
• /
• 2017.11a
• /
• pp.817-819
• /
• 2017

최근 스마트 기기를 이용하여 의상을 추천하는 시스템에 대한 연구가 활발하게 진행되고 있다. 하지만 기존 연구들은 의상 판매를 목적으로 하거나, 지속적으로 전문가의 견해를 업데이트 해줘야 하는 번거로움을 가지고 있다. 본 논문에서는 트렌드 고려가 어려운 전문가 추천시스템 위주의 의상 추천 시스템의 단점을 보완하려했다. 콘텐츠 기반 추천 알고리즘과 개개인의 코디에 대한 빈도수 분석을 통해 개개인의 성향을 고려했으며, 계층적 클러스터링 알고리즘을 이용하여 군집화 된 유사 사용자들의 코디들을 토대로 트렌드를 반영했다.

• The Journal of the Korea Contents Association
• /
• v.7 no.4
• /
• pp.66-73
• /
• 2007

Internet is a part of our common life and tremendous information is cumulated. In these trends, the personalization becomes a very important technology which could find exact information to present users. Previous personalized services use content based filtering which is able to recommend by analyzing the content and collaborative filtering which is able to recommend contents according to preference of users group. But, collaborative filtering needs the evaluation of some amount of data. Also, It cannot reflect all data of users because it recommends items based on data of some users who have similar inclination. Therefore, we need a new recommendation method which can recommend prefer items without preference data of users. In this paper, we proposed the apparel coordination system using personalized preference on the semantic web. This paper provides the results which this system can reduce the searching time and advance the customer satisfaction measurement according to user's feedback to system.

• Annual Conference of KIPS
• /
• 2015.04a
• /
• pp.976-977
• /
• 2015

본 논문에서 우리는 입력영상에서 ROI(Region Of Interest) 지정을 이용한 의상 추천시스템을 제안한다. 의상영역 추출에 있어 ROI의 지정은 매칭 오류를 감소시키면서 매칭 속도를 향상시킬 수 있다. 우리는 평가부분에서 제안된 방을 통해 수행된 매칭이 빠르며 성공적으로 이루어졌음을 보인다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10c
• /
• pp.240-245
• /
• 2006

본 논문에서는 의상에 대한 사용자 선호도를 찾아내는 기법에 대하여 기술한다. 의상에 대한 사용자 선호도를 찾기 위해서 의상 데이터에 대해 데이터 모델을 새롭게 제안한다. 이 데이터 모델을 기반으로 사용자의 의상관련 히스토리를 저장한다. 이렇게 저장된 히스토리 정보에 기계 학습 기법 중 최근 각광받고 있는 SVM 기법을 적용하여 사용자 선호도를 찾아내도록 하였다. 이 결과를 다른 학습 기법인 Naive Bayes 기법을 사용하여 의상에 대한 사용자 선호도를 검색한 성능과 비교하여 우리 모델이 더 좋다는 것을 확인하였다. 우리는 5명의 사용자에 대해서 동일한 취향을 갖는 사용자가 몇 명인지에 따라 A(모두 다름), B(2명), C(3명), D(4명), E(모두 같음) 형태별, 사용자별 1000건의 히스토리를 일정한 기준에 따라 생성했다. 그리고 이 중에서 900건을 학습용 데이터, 100건을 검증용 데이터로 선정하여 실험이 진행되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.178-182
• /
• 2006

인터넷과 웹이 일상생활의 일부가 되면서 온라인상에는 방대한 양의 정보가 쌓이게 되었다. 이러한 흐름 속에서 정보의 양은 급속도로 늘어나는 현상을 보이며, ‘개인화’ 를 통해 수많은 데이터들 사이에서 원하는 정보를 자동으로 찾아내는 기술의 중요성이 부각되고 있다. 이를 ‘추천시스템’ 이라 부르며, 내용기반 필터링과 협력적 필터링 등의 연구가 활발히 이루어지고 있다. 그러나 사용자에게 가장 중요한 영향을 미치는 또래의 선호도, 지역, 시대 등의 복합적인 환경을 반영하는데 아직까지 어려움을 지니고 있다. 따라서 본 논문에서는 기존의 필터링들을 조합하고 좀더 편리하게 정보를 공유하고 학습할 수 있는 시맨틱 웹에서 연관 이웃 마이닝 기법을 통해 개인화된 추천 시스템을 설계한다. 생활에서 흔히 접할 수 있는 의상을 다양한 사용자에게 특화되어 코디해주는 시스템을 웹에서 제공한 결과 불필요한 검색시간이 줄어들고 사용자의 피드백을 통해 점차 만족도가 향상됨을 알 수 있었다.

• Annual Conference of KIPS
• /
• 2021.11a
• /
• pp.815-818
• /
• 2021

현재 대부분의 패션 추천시스템은 프로필 또는 설문조사를 통해 수집 된 사용자의 정적 정보를 활용하고 있다. 사용자의 정적 정보는 매우 한정적이며 이를 활용하여 다양한 환경에 적합한 패션 코디셋을 추천하기란 매우 어렵다. AI코디네이터와 사용자간의 지속적인 대화가 담긴 대화질의 데이터셋을 사용하면 사용자의 상황과 환경을 고려하여 개인에게 최적화 된 패션 코디셋을 추천할 수 있다. 본 논문에서는 한국전자통신연구원(ETRI)에서 제공하는 AI 패션 코디네이터와 사용자의 대화 정보가 담긴 FASCODE 데이터셋을 사용하여 사용자의 발화에 따라 의상을 추천하는 인공지능 모델을 위한 대화질의 데이터 전처리 방법을 제안한다.

• Journal of the Korea Fashion and Costume Design Association
• /
• v.14 no.4
• /
• pp.43-61
• /
• 2012

This research aims to examine the impact of store personality and service quality on the customers' intention of revisiting the department store and their intention of recommendation to others. The participants were women in their 20s to 50s with experiences of purchasing apparel from major department stores. A total of 324 survey responses were used for the final analysis. The data were analyzed using factors analysis, reliability analysis, and multiple regression analysis with PASW 18.0. The results were as follows. First, the department store personality was composed of 3 factors; prestige, passion, sincerity. Service quality factors were defined as tangibility, responsiveness, and empathy. Second, the three dimensions of brand personality-prestige, passion and sincerity turned out to be influential factors affecting the customers' revisiting intention and recommendation intention. Also, tangibility and responsiveness of service quality factors had a significant influence on their revisiting intention, whereas tangibility, responsiveness and empathy factors had a significant influence on their recommendation intention. Third, the sub-dimensions of store personality and service quality had a different influence on the customers' revisiting intention and recommendation intention according to the department store brand.