• The Journal of the Convergence on Culture Technology
• /
• v.7 no.3
• /
• pp.523-528
• /
• 2021

Current YouTube recommends similar contents to users based on the contents they actually consumed. Due to the feature of these algorithms, users are well recommended for contents in similar fields, but it is difficult to be recommended contents in fields that have never been consumed. There is a limit to being widely recommended for videos. I want to solve this problem by utilizing crowd sourcing. I propose a platform that can be recommended for various channels, through direct participation of the public people using youtube. Users can be recommended a variety of channels, communicate with people in the channel discussion room, and at the same time generate revenue by recommending channels. I hope that this platform can be used in various crowd sourcing-based recommendation platforms.

• Proceedings of the KIEE Conference
• /
• 2007.07a
• /
• pp.331-332
• /
• 2007

최근 디지털 TV방송서비스의 보급으로 채널의 수와 그에 따른 프로그램의 수가 많아짐에 따라 시청자는 모든 프로그램의 정보를 미리 알고 있는 것이 힘들어 졌다. 모든 채널과 방송 프로그램을 탐색하고 자신의 취향에 맞는 프로그램을 찾아 보기 어려워진 문제를 해결하고자 영화, 상품 등의 분야에 국한 되었던 추천연구 분야도 TV채널 까지 확대할 필요가 있다. 본 논문에서는 사용자의 TV시청 기록을 분석하여 사용자 프로파일 테이블을 구성하고, 베이시안 네트워크와 시계열 분석 이론을 접목하여 추천엔진을 구현하는 TV채널 추천 엔진을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1173-1176
• /
• 2015

최근 한국의 드라마가 국내뿐만 아니라 국외에서도 인기를 끌고 있다. 이로 인해 지상파 채널을 비롯해 종편 채널과 많은 케이블채널에서 전보다 많은 드라마가 등장하고 있으며 드라마 다시보기 기능을 통해 이미 종영되었거나 보지 못했던 드라마를 다시 볼 수 있게 되었다. 본 논문은 사용자의 개인화요소를 반영하여 방영되었던 많은 드라마 중 사용자들에게 가장 적합한 드라마를 추천해주는 추천 시스템을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04a
• /
• pp.797-799
• /
• 2003

다양한 분야를 대상으로 추천기법에 관한 연구 및 적용이 이루어지고 있다. 전자 상거래 분야에서 소비자가 선호할만한 상품을 추천하거나 영화 관련 사이트에서 볼만한 영화를 추천해주는 것들이 대표적인 예이다. TV 프로그램 또한 채널의 수가 수 백개 이상으로 늘어남에 따라 추천의 필요성이 제기되고 있다. 본 연구에서는 TV 프로그램들을 대상으로 하는 추천 시스템을 구현하였다. 추천 기법은 내용 기반 방식으로 이루어져 있으며 실험을 통해 내용기반 방식이 TV환경에서 가지는 효용성을 알아보고 적용 가능성을 타진해 보았다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.730-732
• /
• 2005

디지털 방송이 본격적으로 시작되고 각 가정에 디지털 TV의 보급이 많이 이루어짐에 따라 사용자들이 시청할 수 있는 채널 및 프로그램의 수는 기존의 공중파 환경과 비교하여 폭발적으로 증가하였다. 채널의 수가 수백 개로 늘어나기 때문에 사용자가 자신이 원하는 프로그램을 찾기 위해서는 리모콘을 누르거나 방송 편성표를 검색하는 것과 같은 많은 시간과 노력을 필요하다. 따라서 이러한 문제점을 해결하기 위해서는 사용자의 프로파일과 선호도 정보를 분석하여 사용자의 취향에 적합한 프로그램을 추천해줄 수 있는 방법이 필요하다. 본 논문에서는 수백 개의 채널에서 방송되는 프로그램 및 사용자의 선호도 정보를 분석하여 사용자가 원하는 프로그램을 추천해주고 시청 히스토리를 분석하여 사용자 모델을 동적으로 갱신하는 기법을 제안한다.

• 한국벤처창업학회:학술대회논문집
• /
• 2017.04a
• /
• pp.52-52
• /
• 2017

글로벌 금융위기 이후 다양한 형태로 등장한 금융상품과 ICT의 결합은 그 동안 생각하지 못한 방식으로 전 세계에 다양한 수요를 충족시키면서 폭발적으로 성장했다. 하지만 IT강국이라고 자부하는 대한민국은 다양한 규제와 시스템의 복잡성 때문에 은행상품이 온라인에서 거래되는 것은 아직까지 익숙하지 않다. 다행히 이러한 규제가 조금씩 완화되어 가면서 2016년은 모바일 송금, 금융상품 추천 플랫폼 등 비 금융업체 주도의 금융시장 온라인화가 소극적으로 이루어지는 과도기로 볼 수 있다. 이러한 시점에서 기존 오프라인 채널이 아닌 온라인 채널을 통해 금융상품을 구매하거나 가입하는 고객의 만족요인에 대해 연구하는 것은 향후 폭발적으로 증가할 수요에 앞서 연구하고, 현상을 주도할 기업에서도 소비자의 만족요인을 미리 파악한다는 점에서 시기적으로 적절하다. 해당 연구는 신용대출, 정기예금, 전세대출, 주택담보대출, 정기적금, 그리고 P2P투자 상품 별 만족도에 영향을 미치는 요인과 영향력을 SERVPERF 모델을 이용하여 분석한 뒤, 회귀분석과 텍스트간의 공동 출현단어에 대해 파이선을 통해 메트릭스를 형성하고, 사회연결망 분석으로 네트워크 중심성을 분석하여 단어간의 관계를 살펴보았다. 해당 연구는 국내 최초 온라인 금융상품 비교 추천 플랫폼인 "Finda"의 리뷰/평점데이터를 이용하였다.

• Journal of Broadcast Engineering
• /
• v.7 no.2
• /
• pp.88-95
• /
• 2002

According to an evolution of digital broadcasting, it is possible that terrestrial and satellite broadcasting media provide multi-channel services. CATV and satellite media have been also extended to hundreds of channels. As the result of channel expanding, viewers came to select lots of channels. But it is difficult that they select the favorite channel among hundreds of channels. In this paper, we propose an efficient automatic method to recommend channels and programs on a viewer's preference in a multi-channel broadcasting receiver like a Set ToP Box(STB). The proposed algorithm selects channels based on the following method. It makes and saves user history data by using MPEG-7 MDS based on the program information a viewer had watched. It recommends programs similar to a viewer's preference based on user history data. It selects the channel in the recommended genre based on the viewer's channel preference. The experimental result shows that the proposed scheme is efficient to select the user preference channel.

• Journal of KIISE:Computing Practices and Letters
• /
• v.9 no.6
• /
• pp.683-692
• /
• 2003

The rapid increase of the number of channels makes it hard to find wanted programs from TV. In recent years, the number of channels come up to hundreds with the digital TV arrival. So, it will drive us to the new way of watching TV. In this paper, we introduce a recommendation system for TV programs to overcome this difficulty. We model user profiles and design each module of the system, considering TV environment. Our system gathers basic information from people manually and then updates user profiles automatically by tracking viewing and usage history. As a result, our system recommends daily TV programs based on the changing interest of users. In this paper, we address the problems and solutions by describing our system and the experiment.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.214-216
• /
• 2005

디지털 방송이 시작되면서 시청자가 선택할 수 있는 채널은 200여 개로 늘어났다. 지금처럼 리모컨으로 채널을 돌려가며 보거나 원하는 TV 프로그램을 찾기란 거의 불가능해진 것이다. 이러한 다채널 다매체 시대에 원하는 프로그램 시청을 도와줄 수 있는 프로그램 가이드 시스템의 필요성이 증가하게 되었고, 더 나아가 TV를 시청하는 각 개인의 선호도를 반영하는 것이 요구되었다. 본 논문에서는 r-order Markov Model을 이용한 개인화된 전자 TV 프로그램 추천 시스템을 제안한다. Markov Model은 시간이 지남에 따라 시청하는 프로그램의 변화를 모델링하기 위한 방법으로 사용하였다. 이 시스템은 시청자의 선호 프로그램을 예측하기 위해서 r-order Markov Model을 제안하는 것뿐만 아니라 TV 시청자의 프로그램 선호를 예측하기 위한 모델들을 적용하였다. 실험 결과는 Markov Model이 추천에 대한 높은 정확성을 제공할 수 있다는 것을 보여준다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1137-1138
• /
• 2013

최근 드라마에 나오는 패션이나 화장품이 하나의 트렌드가 되고 있고, 드라마가 한류의 또 다른 부분으로 성장하고 있다. 또한 종편채널 도입과 많은 케이블채널 생성으로 전보다 많은 드라마가 등장하고 있으며 드라마 다시보기 기능을 통해 보지 못했던 드라마를 다시 볼 수 있는 기회가 늘어남으로써 이미 종영된 드라마들을 언제든지 다시 볼 수 있게 되었다. 본 논문은 방영되었던 드라마를 보고 싶으나 많은 드라마 중 어떤 드라마를 선택해야 할지 모르는 사용자들에게 사용자에게 가장 잘 맞는 드라마를 추천해주는 추천 시스템을 제안한다.