• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.899-900
• /
• 2009

오늘날 모바일 기기를 이용한 무선인터넷의 속도와 품질이 향상되어 언제 어디서든 인터넷을 사용할 수 있게 되었다. 기존의 인터넷에서 서비스되던 지역별 맛 집, 뮤지컬 공연 검색 등 위치 검색 서비스를 이제 모바일에서도 제공 받을 수 있게 되었다. 하지만 모바일 기기의 작은 화면과 상대적으로 느린 속도는 신속하게 원하는 주변 장소를 찾아내기 어렵게 만들기 때문에 위치기반서비스와 온톨로지를 이용하여 가깝고 또 사용자가 선호도하는 추천장소를 빠르게 제공하기 위한 방법을 연구한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.478-479
• /
• 2017

위치 정보의 카테고리 지정 및 메모 추가, 어플리케이션 간의 공유 기능을 통해서 보다 빠른 위치 정보 저장, 현재 위치를 기반으로 하는 장소 추천 기능을 포함하는 위치 정보 저장 어플리케이션을 개발하고자 한다.

• 문화기술의 융합
• /
• 제6권1호
• /
• pp.335-341
• /
• 2020

노동에 몰입하던 삶이 가치와 생활을 중시하는 것으로 변화하면서, 개인은 학습, 지적 욕구 충족, 즐거움, 교류 등을 위하여 문화예술을 소비하거나 참여하고 있다. 최근에는 문화예술공간이 늘어나면서 공간은 문화와 예술을 창조하고 관람하며 교류하는 장소, 문화상품을 소비하는 장소로 탈바꿈하였다. 문화예술공간은 새로운 장르와 기술을 창조하고 개발하여 관람객에게 소통하고 참여하는 기회를 제공하여 미디어 작품을 이해하고 체화할 수 있게 한다. 따라서 미디어파사드는 관람객이 문화공간을 전시와 공연장소가 아닌 짧은 시간에 깊은 인상을 심고 작품과 문화공간에 더 쉽게 다가가고 이해하는 계기를 제공하여 해당 장소를 더 선호하게 만든다. 미디어파사드는 건물 외벽에 LED 조명을 설치해 미디어 기능을 구현하는 것으로서 아름다움과 정보를 전달하는 매개이다. 미디어파사드의 특성이 문화예술공간의 선호도에 미치는 영향을 분석하기 위하여 미디어파사드의 특성을 독립변수로, 문화예술공간의 선호도를 종속변수로 하는 연구모형을 수립하였다. 연구 결과 미디어파사드 특성의 디자인적 특성과 매체적 특성은 만족에 영향을 미쳤으며, 미디어파사드 특성의 매체적 특성은 추천과 재관람에 각각 영향을 미치는 것으로 나타나 문화예술공간에 많은 변화를 예고하고 있음을 시사하고 있다.

• 디지털융복합연구
• /
• 제11권8호
• /
• pp.109-117
• /
• 2013

본 연구는 개인의 길찾기 능력이 방문자태도에 미치는 영향에 대해 알아보고자 하였다. 선행 문헌을 분석하여 길찾기와 길찾기 능력에 대해 살펴보았으며, 이러한 길찾기의 능력이 장소에 대한 방문자들의 태도와 어떠한 관계성이 있는 가를 확인하였다. 연구결과 첫째, 이용자들의 길찾기 능력은 이용만족도에 부분적으로 영향을 미치는 것으로 확인되었다. 둘째, 이용자들의 길찾기 능력은 재방문의도에 부분적으로 영향을 미치고 있는 것으로 확인되었다. 셋째, 이용자들의 길찾기 능력은 추천의도에 부분적으로 영향을 미치고 있는 것으로 확인되었다. 마지막으로, 이용자들의 이용만족도는 재방문의도 및 추천의도에 영향을 미치는 것으로 확인되었다. 이상의 본 연구결과는 지하상업시설물이 갖는 공간구조상의 특성을 감안한 지상과는 다른 형태의 커뮤니케이션 디자인이 필요하다는 것, 특히 복합상업시설물이 갖는 서비스 공간의 주요 사항을 고려한 마케팅 전략이 필요하다는 실무적 의의를 갖는다고 할 수 있다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제2권1호
• /
• pp.1-6
• /
• 2013

스마트폰을 비롯한 다양한 스마트 디바이스들은 이제 사용자의 일상에서 필수적인 아이템으로 자리 잡았다. 스마트 디바이스 내에 센서정보를 이용하여 사용자의 선호도 및 필요정보를 파악할 수 있으며, 이를 통해 지능적인 서비스 추천이 가능해진다는 의미이다. 본 논문에서 사용자의 상황정보를 토대로 지능적인 서비스 추천을 위한 퓨전(Fusion) 상황인지 모델을 제안하고자 하다. 서비스 추천 모델은 스마트 디바이스로부터 획득한 시간, 장소, 행동 및 디바이스 정보를 중심으로 퓨전 처리과정을 거쳐 사용자 시나리오를 생성된다. 시나리오란 사용자의 상황을 예측하는데 가장 핵심이 되는 단서이며, 본 시나리오에 맞춰 서비스를 제공 및 추천할 수 있다. 이 뿐만 아니라, 콘텐츠의 카테고리와 더불어 콘텐츠 미디어 형식까지도 사용자 맞춤형을 지향한다. 그러므로 본 논문에서 제안하는 퓨전 상황인지 모델은 하이브리드 센싱(Hybrid Sensing)을 이용하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제41권8호
• /
• pp.557-568
• /
• 2014

최근 소프트웨어 규모가 더욱 커지고 복잡해지고 있다. 하루에도 수많은 버그 리포트들이 버그저장소에 전송 되어 개발자들의 업무가 늘어나고 있다. 이러한 버그 리포트들을 적절한 개발자에게 전달하여 빠르고 정확하게 소프트웨어의 결함이 수정되어야 하는데, 많은 버그 리포트들이 적절하지 않는 개발자에게 배정되어 다른 개발자에게 다시 재배정 되는 경우가 빈번하게 일어나고 있다. 이것은 배정자가 전송받은 버그 리포트들을 정확히 이해하지 못했거나, 또는 모든 개발자들의 능력을 바르게 파악하지 못해 발생한다. 이것은 소프트웨어 유지보수에 개발자의 시간과 노력을 많이 필요하게 한다. 이러한 문제를 해결하기 위해 본 연구에서는 버그 리포트와 관련된 토픽을 찾아내고, 토픽 내 개발자들의 소셜 네트워크 관계를 분석해서 적절한 개발자를 추천하는 기법을 제안한다. 그리고 공개 소스 프로젝트를 이용한 개발자 추천에 대한 성능비교 실험을 통하여 본 연구에서 제안한 방법이 효과적이라는 것을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2019년도 추계학술발표대회
• /
• pp.1129-1132
• /
• 2019

최근 현대인들은 식습관이 불규칙하고 서구화되면서, 건강상의 많은 문제를 겪고 있다. 이와 더불어 1인 가구의 증가와 간단한 구매 방법 등으로 인해 온라인 몰 사용자가 늘어나고 있다. 본 프로젝트는 이러한 추세를 바탕으로, 사용자가 자주 사용하는 온라인 몰에 축적된 데이터를 기반으로 사용자의 식습관을 분석한다. 뿐만 아니라, 이를 바탕으로 구매 패턴을 분석하여 사용자의 영양 상태를 개선시킬 수 있는 상품 추천 서비스를 제공한다. 사용자는 자주 사용하는 온라인 쇼핑몰에서 상품 구매를 함과 동시에 구매한 상품에 대해 시각화된 영양소 분석 결과와 구매 패턴 분석 결과를 제공받을 수 있다. 본 논문에서는 개발한 API를 통해 사용자는 부족한 영양소를 쉽게 파악하여 효율적으로 건강관리를 할 수 있게 된다. 더 나아가, 자신의 구매 패턴을 파악할 수 있게 되어 현명한 소비 습관을 만드는 데에 기여할 수 있다.

• 디지털콘텐츠학회 논문지
• /
• 제19권5호
• /
• pp.871-880
• /
• 2018

최근 소비자관련 빅 데이터 증가와 함께 이와 관련된 기술인 POI(Point-of-Interest) 추천 기술이 주목받고 있다. POI란, 소비자가 흥미롭거나 유용하다고 여기는 특정한 장소를 의미한다. 이전에 진행되었던 POI 추천시스템 관련연구들은 특정 데이터 셋에 한정되어 과 적합 문제가 발생할 수 있다는 한계점이 있다. 따라서 본 연구에서는 서울로 및 송정로에 설치한 통합 센서로 부터 얻은 사용자 매장 방문 실 데이터를 이용하여 매장 간 유사도 및 상관관계를 분석하며, 분석 결과를 토대로 신규 사용자가 흥미 있을 만한 매장을 추천해 주는 선호도 예측 시스템 연구를 한다. 실험 결과, 다양한 유사도 및 상관관계 분석을 통하여 관련성이 높은 매장의 리스트와 관련성이 낮은 매장의 리스트를 도출해낼 수 있었다. 또한, 다양한 조건에서 선호도 예측 정확도를 비교 실험을 수행한 결과 자카드 유사도 기반 아이템 협업 필터링 기법이 타 방법에 비해 높은 정확도를 보이는 것을 확인할 수 있었다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권8호
• /
• pp.375-380
• /
• 2016

스마트폰과 Online Social Network Service(OSNS)의 대중화를 통해 언제 어디서든 주변인뿐만 아니라 전 세계 사람들과 상호작용 할 수 있게 되었고, 그 결과 사람들의 OSNS 사용률은 계속 증가하고 있다. 그런데, 일부 OSNS를 통한 대인관계 형성에 집중하는 사람들의 경우, 수많은 Face-to-Face Interaction(F2F Interaction)을 통해 형성되는 인간관계의 과정을 "친구추천" 버튼 하나로 건너뜀으로써 대인관계 기술 발달 및 유지에 어려움을 겪을 수 있다. 본 논문에서는 오프라인에서 F2F Interaction 기회를 발견 및 제공할 수 있는 상황정보 기반의 친구추천 기법을 제시한다. 이를 위해 스마트폰 센서로부터 사용자의 상황정보와 Facebook에서 형성된 사용자 친구관계 정보를 수집하여 텐서 분해 및 결합을 기반으로 오프라인 환경에서 친구를 추천한다. 성능 평가를 위해 12명의 실험 참가자로부터 상황정보를 수집하고, 만족도를 평가하였다.

• 지능정보연구
• /
• 제18권4호
• /
• pp.19-42
• /
• 2012

고객이 상품을 구매하는 패턴이 빠르게 변화하고 있다. 오프라인에서 고객이 직접 상품을 보고, 체험한 후 구매하던 패턴이 TV홈쇼핑, 인터넷 쇼핑 등 고객이 편리한 장소에서 자유롭게 구매하는 방법으로 확산되었다. 이처럼 구매 가능한 상품의 범위는 점점 더 다양해지고 있지만 이로 인하여 고객이 상품을 구매할 때 생기는 번거로움은 더욱 커지고 있다. 오프라인에서는 물건을 직접보고 구매하기 때문에 반품율이 낮은 반면에 온라인 구매 물품은 배송과 환불 등에서 복잡한 일들이 많이 발생한다. 온라인을 통해서 물건을 구매할 때 상품에 대한 사전 정보는 매우 한정적이며 실제로 물건을 구매했을 경우 고객이 생각했던 것과 다를 수 있다. 이러한 결과는 결국 고객의 불만족 및 구매취소로 이어진다. 또한 TV홈쇼핑이나 인터넷 쇼핑 등을 통해서 물건을 구매할 때 고객들은 이미 상품을 구매한 고객의 리뷰에도 관심을 기울이고 있다. 좋은 평가를 받은 상품은 더 많은 매출로 이어질 수 있기 때문에 기업은 이에 관심을 기울일 필요가 있다. 고객의 욕구를 만족시킬 수 있는 적절한 상품을 추천해 주고 이를 구매로 연결시키는 것은 기업의 이윤 창출과 직결되기 때문에 그 중요성이 강조된다. 고객을 위한 추천방법은 베스트셀러기반 추천방법, 인구통계 정보기반 추천방법, 최소질의대상 상품결정방법, 내용필터링기법, 협력필터링기법 등이 존재하며, 이에 대한 많은 연구가 활발하게 진행되고 있다. 그러나 위의 방법들을 신규고객에게 적용하는 것에는 문제가 발생할 수 있다. 신규고객은 상품에 대한 과거 구매이력이 존재하지 않기 때문이다. 이를 해결하기 위한 방안으로 가입 시, 고객의 인구통계적 정보나 선호도에 대한 응답을 유도하는 방법을 활용할 수 있다. 그러나 고객이 이에 대한 번거로움을 느낄 수도 있으며, 불완전한 답변을 하게 되면 추천의 정확도는 감소한다. 최근 이미 상품을 구매한 고객의 리뷰 및 기업에서 추천하는 제품에 의존하는 고객들이 증가하면서 이를 악용하는 사례도 자주 등장한다. 결국 추천에 대한 고객들의 신뢰는 감소하게 될 것이다. 따라서 좀 더 명확한 방식의 추천시스템이 절실하며, 이것이 개선된다면 는 곧 고객들의 신뢰 증가로 이어질 것이다. 본 연구에서는 협력필터링기법과 사회연결망기법의 중심성을 결합한 분석을 시도하였다. 중심성은 신규고객의 선호도를 기존고객들의 데이터를 통하여 유추하기 위하여 활용되는 정보이다. 기존 연구들에서는 기존고객들의 구매 가운데 구매성향이 유사한 고객들의 정보에 초점을 맞추고 있으며 구매성향이 다른 고객들의 정보에 대한 분석은 이루어지고 있지 않다. 그러나 이처럼 구매성향이 서로 다른 고객들의 정보를 활용한다면 추천의 정확성이 더 향상되지 않을까 하는 점을 기반으로 데이터들을 다양한 방식으로 분석하였다. 연구에 사용된 데이터는 미네소타대학의 GroupLens Research Project팀이 협력필터링기법을 통하여 영화를 추천하기 위해 만든 MovieLens의 데이터이다. 이는 1,684편의 영화에 대한 선호도를 943명이 응답한 정보로 총 100,000개의 데이터가 있다. 이를 시간 순으로 구분하여 초기 50,000개의 데이터를 기존고객의 데이터로, 후기 50,000개의 데이터를 신규고객의 데이터로 사용하였다. 이 때, 신규고객과 기존고객은 연구자가 임의로 구분한 것이다. 따라서 신규고객이라고 표현되는 고객의 데이터는 실제로 추천시스템을 통해 정보를 제공받은 고객이라고는 볼 수 없다. 그러나 현실적으로 실제 신규고객의 데이터를 수집하는 것이 쉽지 않기 때문에 전체 고객의 정보를 시간 순으로 구분하고 신규고객으로 분류한 것임을 밝혀둔다. 제시된 추천시스템은 [+]집단 추천시스템, [-]집단 추천시스템, 통합 추천시스템으로 총 3가지이다. [+]집단 추천시스템은 기존의 연구들과 유사한 방식으로 유사도가 높은 고객들을 신규고객의 이웃고객으로 분석하였다. 유사도가 높다는 것은 다른 고객들과 상품 구매에 대한 성향이 유사한 것을 의미한다. 또한 [-]집단 추천시스템은 유사도가 낮고 다른 고객들과 상품의 구매패턴이 반대에 가까운 고객들의 데이터를 활용하였으며, 통합 추천시스템은 [+]집단 추천시스템과 [-]집단 추천시스템을 결합한 방식이다. [+]집단 추천시스템과 [-]집단 추천시스템에서 각각 추천된 영화 가운데 중복되는 영화만을 신규고객에게 추천하는 방식이다. 다양한 방법의 시도를 통하여 적절한 추천시스템을 찾고, 추천시스템의 정확도를 향상시키는데 그 목적이 있다. 활용된 데이터의 분석 결과는 통합 추천시스템이 정확도가 가장 높았으며 [-]집단 추천시스템, [+]집단 추천시스템의 순인 것으로 나타났다. 이는 통합 추천시스템이 가장 효율적일 것이라는 연구자의 추측과 일치하는 결과이다. 각각의 추천시스템은 정확도의 변화를 쉽게 비교할 수 있도록 등고선지도 및 그래프를 이용하여 나타냈다. 연구의 한계점으로는 연구자가 제시한 통합 추천시스템과 [-]집단 추천시스템에 대한 정확도는 향상되었지만 이는 임의로 구분한 기준을 바탕으로 분석하였다는 점이다. 실제 추천된 영화를 바탕으로 신규고객이 영화를 선택 한 것이 아니라 기존고객의 데이터를 임의로 분류하였기 때문이다. 따라서 이는 추천 영화가 실제 고객에 미친 영향이 아니라는 한계가 존재한다. 또한 영화가 아닌 다른 상품에 대해서 이 추천시스템을 적용하였을 경우 추천 정확도에는 차이가 있을 수 있다. 따라서 추천시스템을 적용할 때에는 각 상품 및 고객집단의 특성에 적합한 적용이 필요하다.