• 한국IT서비스학회:학술대회논문집
• /
• 2009.05a
• /
• pp.345-348
• /
• 2009

추천시스템에서 널리 사용되고 있는 협력적 여과기법은 이웃의 정보를 추천대상 고객에게 적용하여 추천에 사용한다. 이 방법을 이용한 추천은 인터넷 사용자에게 알맞은 정보를 제공하여 보다 편리하게 자신이 원하는 정보에 접근하도록 한다. 따라서 추천시스템의 성능향상에 대한 연구가 활발히 진행되고 있으며, 본 논문은 추천시스템의 기능에 대한 정확성을 향상시키기 위한 것이다. 본 논문에서는 먼저, 협력적 여과기법에서 사용되는 고객의 선호도 평가 값에 대한 평균값을 조사하고, 이웃들이 평가한 선호도 평가 값을 분석하였다. 그리고 협력적 여과기법에 두 개의 분석 값을 변수로 적용하여 추천시스템의 예측 정확도를 계산하였다. 본 논문이 제안한 방법과 기존의 알고리즘을 비교한 결과 추천시스템의 성능이 향상됨을 알 수 있다.

• KSCI Review
• /
• v.15 no.1
• /
• pp.25-29
• /
• 2007

무선 센서 네트워크의 다양한 응용분야에서, 일어나는 심각한 보안 위협 중 하나가 공격자가의 노드 훼손을 통해 발생하는 보안정보 훼손된 및 위조된 보고서의 삽입이다. 최근에 Fan Ye 등은 이런 위협에 대한 대안으로 전역 키 풀을 전체 센서네트워크에 나누어서 할당하고, 전송 경로 중에 있는 노드들이 미리 할당받은 각자의 보안정보인 인증키를 이용해서 위조 보고서를 판단하는 통계적 여과기법을 제안하였다. 그러나 이 기법에서는 노드들의 훼손으로 인한 일부 인증키가 훼손 됐을 시 고정된 몇 개의 구획으로 나뉜 전역 키 풀 때문에 훼손된 키의 구획에 속해 있는 나머지 훼손되지 않은 인증 키들이 여과과정에서 인증키로써의 기능을 할 수 없게 된다. 본 논문에서는 전역 키 풀의 분할 여부 결정에 퍼지 로직을 적용하여 전역 키 풀을 네트워크 상황에 맞추어 나누는 적응형 분할 결정 기법을 제안한다. 전역 키 풀의 구획은 오염된 구획의 비율. 오염된 키의 비율, 노드의 에너지 비율을 고려하여 퍼지로직에 의해 분할 여부를 결정한다.

• Journal of the Korean Society for information Management
• /
• v.23 no.3 s.61
• /
• pp.91-125
• /
• 2006

Recent advancements in information technology and the Internet have caused an explosive increase in the information available and the means to distribute it. However, such information overflow has made the efficient and accurate search of information a difficulty for most users. To solve this problem, an information retrieval and filtering system was developed as an important tool for users. Libraries and information centers have been in the forefront to provide customized services to satisfy the user's information needs under the changing information environment of today. The aim of this study is to propose an efficient information service for libraries and information centers to provide a personalized recommendation system to the user. The proposed method overcomes the weaknesses of existing systems, by providing a personalized hybrid recommendation method for multimedia contents that works in a large-scaled data and user environment. The system based on the proposed hybrid method uses an effective framework to combine Association Rule with Collaborative Filtering Method.

• Journal of KIISE:Software and Applications
• /
• v.26 no.3
• /
• pp.353-364
• /
• 1999

공간 데이터베이스는 일반 관계형 데이터베이스나 객체지향 데이터베이스에 비해 다음과 같은 특징을 가진다. 첫째, 공간 데이터베이스에서의 질의는 공간 질의와 비공간 질의가 섞여서 들어 온다. 둘째, 공간 질의는 비공간 질의에 비해 데이터의 복잡성과 방대함으로 인해 주로 2 단계(여과 단계 및 정제 단계)로 나누어 처리되었다. 셋째, 공간 객체들은 대부분 공간 색인을 가지고 있다. 본 논문에서는 이러한 공간 데이터베이스의 특성을 잘 반영하는 질의 최적화 기법을 제안한다. 첫 번째 방법으로 질의 수행 단계 이전의 최적화 단계에서부터 여과 및 정제를 분리하여 생각하는 것이다. 두 번째 방법으로는 복잡한 질의에 대해서 각각의 공간 연산을 여과/정제 단계로 분리한후 여러 정제 단계 연산들을 합쳐 한꺼번에 처리 할수 있고 여러 여과 단계 연산들도 마찬가지로 합쳐질 수 있다. 본 논문에서는 또한 여과/정제를 질의 최적화 단계에서 분리한 여과/정제 조기 분리 (ESFAR) 최적화 기법에 대한 규칙 기반 질의 최적화 기법을 제안한다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2000.04a
• /
• pp.323-332
• /
• 2000

인터넷을 등장으로, 끊임없이 늘어나는 정보의 양은 오히려 사용자의 정보 습득을 어렵게 만들었다. 이를 해결하기 위한 방법으로 검색된 정보에 우선 순위를 부여함으로써 사용자가 원하는 정보를 선별할 수 있는 방법이 등장하였다. 하지만, 이는 사용자의 일시적인 질의만을 가지고 정보의 우선 순위를 결정하기 때문에 사용자가 다시 판단해야 하는 부담을 안게 되었다. 이러한 문제점을 해결하기 위해, 본 논문에서는 내용 기반의 정보 검색(Content-Based Information Retrieval) 방법과 더불어 사용자의 기호를 반영하는 사용자 선호도 기반의 정보 여과(Information Filtering) 방법, 그룹 선호도 기반의 협동적 정보 여과(Collaborative Filtering) 방법을 사용하여 사용자의 요구에 선결조건으로 하며, 구축된 선호도는 벡터로써 표현되어 정보와의 유사도(degree of similarity) 계산에 사용된다. 제안된 방법을 실험하기 위해 MFC(Microsoft Foundation Class) 관련 학습 사이트를 구현하여 사용자 등록을 받았다. 이 과정에서 사용자에게 여러 가지 프로파일을 요구하였으며, 변화하는 사용자의 기호를 반영하기 위해 지속적으로 사용자의 행동을 관찰하였다. 이렇게 구축된 사용자 선호도를 바탕으로 제안된 방법을 실험하고 사용자의 feedback을 통해 결과에 대한 평가를 받아, 논문에서 제안된 방법의 타당성을 입증하였다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.9 no.5
• /
• pp.521-529
• /
• 2003

In this paper we present an improved method by using demographic information for overcoming the similarity miss-calculation from the sparsity problem in collaborative filtering recommendation systems. The similarity between a pair of users is only determined by the ratings given to co-rated items, so items that have not been rated by both users are ignored. To solve this problem, we add virtual neighbor's rating using demographic information of neighbors for improving prediction accuracy. It is one kind of extentions of traditional collaborative filtering methods using the peason correlation coefficient. We used the Grouplens movie rating data in experiment and we have compared the proposed method with the collaborative filtering methods by the mean absolute error and receive operating characteristic values. The results show that the proposed method is more efficient than the collaborative filtering methods using the pearson correlation coefficient about 9% in MAE and 13% in sensitivity of ROC.

• Journal of KIISE:Software and Applications
• /
• v.32 no.6
• /
• pp.542-553
• /
• 2005

Recommendation systems analyze user preferences and recommend items to a user by predicting the user's preference for those items. Among various kinds of recommendation methods, collaborative filtering(CF) has been widely used and successfully applied to practical applications. However, collaborative filtering has two inherent problems: data sparseness and the cold-start problems. If there are few known preferences for a user, it is difficult to find many similar users, and therefore the performance of recommendation is degraded. This problem is more serious when a new user is first using the system. In this paper we propose a method of integrating additional feature information of users and items into CF to overcome the difficulties caused by sparseness and improve the accuracy of recommendation. In our method, we first fill in unknown preference values by using the probability distribution of feature values, then generate the top-N recommendations by applying collaborative filtering on the modified data. We call this method of filling unknown preference values as data blurring. Several experimental results that show the effectiveness of the proposed method are also presented.

• Journal of KIISE:Software and Applications
• /
• v.31 no.8
• /
• pp.1062-1072
• /
• 2004

Collaborative filtering systems based on ｛user-document｝ matrix are effective in recommending web documents to user. But they have a shortcoming of decreasing the accuracy of recommendations by the first rater problem and the sparsity. This paper proposes the automatic preference rating method that generates user profile to solve the shortcoming. The profile in this paper is content-based collaborative user profile. The content-based collaborative user profile is generated by combining a content-based user profile with a collaborative user profile by mutual information method. Collaborative user profile is based on ｛user-document｝ matrix in collaborative filtering system, thus, content-based user profile is generated by relevance feedback in content-based filtering systems. After normalizing combined content-based collaborative user profiles, it automatically rates user preference by reflecting normalized profile in ｛user-document｝matrix of collaborative filtering systems. We evaluated our method on a large database of user ratings for web document and it was certified that was more efficient than existent methods.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.06a
• /
• pp.171-172
• /
• 2011

협업적 여과 시스템은 사용자에 대한 클러스터링을 구축한 후, 구축된 클러스터를 기반으로 사용자에게 영화를 추천한다. 하지만 사용자 클러스터링 구축에 많은 시간이 소요되고, 사용자가 평가한 영화가 피드백이 되었을 경우 재구축이 쉽지 않다. 본 논문에서는 사용자 클러스터링의 재구축을 용이하게 하기 위해 빈발패턴 네트워크를 이용하여 클러스터링을 구축하고, 이를 협업적 여과 시스템에 적용하여 영화를 추천한다. 구축된 클러스터를 통해 사용자 클러스터를 재구축시 소요되는 시간 비용을 줄이면서, 전통적인 협업적 여과 시스템과 유사한 성능의 추천이 가능하게 되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2000.04b
• /
• pp.286-288
• /
• 2000

최근 웹에 대한 관심이 집중되면서 정보의 양이 지수적으로 증가하고 있다. 웹 사용자들은 정보 검색에 있어서 많은 어려움을 겪게 되었다. 이 문제를 해결하기 위해 정보검색(Information Retrieval) 시스템의 웹 환경으로의 적용이나 개인 적응형 에이전트(Personal Adaptive Agent)를 이용한 정보 여과(Information Filtering)에 대한 연구가 진행되어왔다. 본 논문에서는 BISAgent(Bookmark Information sharing Agent) 시스템이 사용자에게 효과적인 정보 검색을 제공함을 설명한다. BISAgent는 여러 사용자의 북마크 정보를 공유하여 협동적 정보 여과기법(Collaborative Filtering)을 이용한 협동적 웹 브라우징(Collaborative Web Browsing)을 수행한다. 이 시스템의 성능을 평가하기 위해 검색 결과의 개수를 통한 정보 여과의 양적 측면과 통계적 방법을 이용하여 정보 추천(information recommendation)의 정확성을 실험하였다.