• Journal of the Korean Society for information Management
• /
• v.26 no.1
• /
• pp.81-105
• /
• 2009

In this paper, we propose user contents using behavior and location information on contents on various channels, such as web, IPTV, for contents distribution. With methods to build user and contents profiles, contents using behavior as an implicit user feedback was applied into machine learning procedure for updating user profiles and contents preference. In machine learning procedure, contents-based and collaborative filtering methods were used to analyze user's contents preference. This study proposes contents location information on web sites for final recommendation contents as well. Finally, we refer to a generalized recommender system for personalization. With those methods, more effective and accurate recommendation service can be possible.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.607-609
• /
• 2005

온라인 및 오프라인 상에서 추천시스템에 대한 요구가 커지고 있으며 이에 관련해 않은 연구가 이루어지고 있다. 추천시스템은 마케팅 활용의 관점에서 목표 상품에 대한 반응 가능성이 높은 고객군을 추천하는 타겟마케팅 추천시스템과 고객 개인별로 구매 가능성이 높은 상품을 추천하는 개인화 추천시스템으로 구분할 수 있다. 지금까지의 추천시스템에 관한 연구는 대부분 개인화 추천시스템의 효율 향상에 목표를 두고 있다. 그러나 기업의 타겟마케팅에 대한 요구를 적절히 지원하지 못하고 있어 타겟마케팅에 대한 연구가 필요하다. 본 연구에서는 상품별 구매 패턴을 이용하는 프로파일 기반 추천 방법을 제안하고 이 방법과 기존의 협력적 추천 방법을 결합하여 특정 상품에 반응 가능성이 높은 고객을 추천하는 방법을 제안한다. 프로파일 기반 추천에서는 카이스퀘어 검정을 사용하여 상품별로 구매 패턴에 영향을 미치는 요인을 추출하고 이를 이용하여 특징 고객군을 선별하여 전체 고객군과 특징 고객과의 엔트로피(Entropy)의 변이 정도를 예측값으로 사용한다. 실험결과, 프로파일 기반 추천과 협력적 추천을 결합하여 추천하는 방법은 한 가지 방법을 사용할 때 보다 좋은 추천 정확도를 나타내었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11a
• /
• pp.347-350
• /
• 2002

본 논문은 협업에 의한 추천 방법과 내용에 의한 추천 방법을 혼합한 하이브리드 추천 방법을 제시한다. 일반적으로 '영화'정보와 같이 아이템에 대한 설명이 부족하거나 실제 영화의 내용과는 차이가 있는 컨텐츠의 경우에는 '주연', '감독', '줄거리'와 같이 실제 아이템의 내용이 아닌 부수적인 정보를 통해 평가값을 예측하는 방법보다 협업에 의한 평가값의 예측을 통해 더 낳은 추천을 제공할 수 있다. 이에 따라 본 연구는 내용에 기반한 추천방법에 의존하지 않고 사용자의 유사 선호 경향이 있는 타 사용자의 평가값들을 사용하여 추천하며, 협업에 의해 추천될 수 없는 아이템들에 대해 내용기반 추천 방법을 사용하는 하이브리드 컨텐츠 추천 시스템을 설계, 구현하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.661-663
• /
• 2005

상업적인 추천 시스템에서 폭넓게 사용되고 있는 사용자 기반의 협력적 여과 방법 (User-Based Collaborative Filtering)은 확장성과 실시간 성능에 관련된 많은 제약을 갖는다. 이와 같은 맹점을 해결하기 위해 제안된 모델 기반의 협력적 여과 방법 (Model-Based Collaborative Filtering)은 추천은 매우 빠르지만, 모델을 구축하는 데 많은 시간이 소요되며, 사용자 기반의 협력적 여과 방법에 비해 추천의 질이 떨어지는 경향이 있다. 또한, 과거에 추천되있던 히스토리를 바탕으로 한 신뢰도 정보를 고려하는 추천 시스템은 추천의 정확도를 향상시키기 위한 다양한 연구 가운데 하나이다. 본 논문에서는 사용자 기반의 협력적 여과 방법의 문제점을 개선하고 추천의 정확도를 높이기 위해, 유사한 아이템의 모델을 미리 구축하는 아이템 기반의 협력적 여과 방법 (Item-Based Collaborative Filtering)에 각 아이템의 추천에 대한 신뢰도를 고려하여 보다 효율적인 추천 시스템을 제안하고자 한다. 또한, 기존 추천 시스템과의 성능 비교 실험을 통해 제안한 방법의 타당성을 제시한다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.321-324
• /
• 2001

본 논문은 인터넷 쇼핑몰에서의 효율적인 상품 추천 시스템의 구조를 제안한다. 본 상품 추천 시스템은 상품 추천의 2 가지 방법인 지식기반 상품 추천 방법과 collaborative filtering을 혼합하였으며 먼저 고객에게 질문을 던져서 고객의 요구 조건을 수집한 다음, 요구 조건과 상품 데이터베이스에 저장된 상품정보와 일치도를 계산하여 추천 후보 상품 리스트를 생성한다. 이 추천 상품 리스트에 속하는 상품에 대해서는 다시 collaborative filtering 방법이 적용된다. 즉, 비슷한 취향을 가지는 고객들이 높이 평가하는 제품들을 최종적으로 고객들에게 추천하게 된다. 이 방법은 기존의 방법들이 모두 특정한 상품 카테고리에 대해서만 효과적인데 데하여 제안된 방법은 모든 상품 카테고리에 적용할 수 있으며 collaborative filtering 방법을 후보 추천 상품에 대해서만 적용시킴으로써 이 방법의 단점인 많은 계산량을 줄일 수 있다. 제안된 시스템은 EJB(Enterprise Java Beans)를 사용하여 컴포넌트로 구현되었으며 이동통신기기 카테고리에 대하여 시험 구현되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.28-30
• /
• 2001

현 인터넷상에서 취향에 맞는 항목(상품) 정보를 사용자에게 추천해 주는 개인화 기술은 대부분 특정 사용자와 유사한 선호도를 갖는 다른 사용자들의 특정 항목에 대한 선호도를 바탕으로 항목의 선호도를 추정하는 협력적 추천 기술을 적용하고 있다. 이중 최근접 이웃 방법은 적용하기가 용이한 반면 항목간의 가중치를 고려하지 못함으로써 추천의 정확도가 크게 떨어지는 문제점이 있다. 연관규칙 방법은 다른 항목에 대한 선호도 자료로부터 데이터 마이닝 기법을 적용하여 항목 선호에 대한 연관규칙을 추출하고 그 규칙을 사용하여 어떤 항목의 선호도를 추정한다. 따라서 항목들 간의 중요도가 연관규칙의 지지도나 신뢰도 등으로 나타난다고 할 수 있으나, 단순히 항목들간의 연관관계 즉 표면적인 연관관계에 의하여 선호도를 결정함으로써 항목들간의 어떤 내용적인 공통성 또는 어떤 상위개념에 의한 선호도가 고려되지 않음으로써 역시 정확도가 떨어지는 문제점이 있다. 본 논문에서는 추천의 정확도를 향상시키기 위한 신경망 추천 방법에 대해 분석하고, 내용기반 추천과 협력적 추천을 병합한 신경망 추천 방법을 제안한다. 또한, 다른 협력적 추천 방법과의 비교를 통하여 본 추천 방법의 장점과 성능의 우수함을 보인다.

• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.453-455
• /
• 2023

의약품 추천 방법은 환자의 현재 건강 상태가 주어졌을 때, 해당 환자에게 효과적이면서도 안전한 의약품들을 추천해주기 위한 방법이다. 최근 의약품 추천 방법들은 환자에게 효과적이면서도 안전한 의약품들을 추천해주기 위해, 환자의 방문 정보(즉, 환자에게 진단된 질병, 수술 정보) 뿐만 아니라 의약품들 간의 (1) 동시 처방 여부 관계와 (2) 부작용 유발 관계를 추가적으로 활용하고 있다. 구체적으로, 이들은 의약품들 간의 두 관계를 각각 임베딩으로 나타낸 뒤 하나의 임베딩으로 융합하여 활용한다. 그러나 기존 의약품 추천 방법들은 이 두 임베딩을 융합하는데 있어서, 두 임베딩 간의 관계를 깊게 고려하지 않고 단순히 뺄셈 연산을 적용하고 있다. 따라서 본 논문에서는 실세계 데이터 집합을 활용하여, 의약품들 간의 두 관계에 대한 임베딩들을 다양한 방법을 통해 융합한 뒤각 방법이 추천 정확도에 어떠한 영향을 미치는지 비교 및 분석하여 더욱 정확한 의약품 추천을 제공하고자 한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.130-132
• /
• 2001

신경망을 이용한 추천 기술은 항목이나 사용자간의 가중치를 학습할 수 있고, 자료 유형에 상관없이 데이터 처리가 용이하다. 또한 최근 연구를 통해서 그 우수성이 입증되고 있다. 그러나 사용자간의 상관관계로 추천하는 사용자 신경망 모델과 항목간의 상관관계로 추천하는 항목 신경망 모델이 서로 다른 관점으로 다른 선호도를 제시한 경우에 선택한 모델의 선호도에 따라 시스템의 성능이 좌우된다. 그러므로 효율적이고 성능이 우수한 추천 시스템을 위해 사용자와 항목 신경망 모델의 통합 방법을 제안한다. 두 모델 사이에 우선 순위를 결정하여 통합하는 순차적 통합 방법과 두 모델을 동시에 고려하는 병렬적 통합방법을 제안한다. 그러나 두 통합 방법은 선호도 예측 기준에 있어서 정적이고, 문제에 대한 적응성이 없다. 그러므로 신경망(퍼셉트론, 다층 퍼셉트론)을 이용한 통합 방법을 제안한다. 또한 퍼지의 소속함수를 이용하여 퍼지 추론를 적용한 통합 방법을 제안하고, 패턴 인식 분야에서 사용하는 BKS 방법을 적응하여 두 신경망 모델을 통합하여 실험한다. 본 논문에서는 사용자와 항목 신경망 모델을 통합함으로써 기존의 추천 기술인 연관 규칙과 단일 신경망 모델을 이용한 추천보다 우수함을 보이고 있다.

• Journal of Intelligence and Information Systems
• /
• v.15 no.1
• /
• pp.123-140
• /
• 2009

Collaborative filtering recommends products using customers' preferences, so it cannot recommend products to the new customer who has no preference information. This paper proposes a novel approach to new customer recommendations using the social network analysis which is used to search relationships among social entities such as genetics network, traffic network, organization network, etc. The proposed recommendation method identifies customers most likely to be neighbors to the new customer using the centrality theory in social network analysis and recommends products those customers have liked in the past. The procedure of our method is divided into four phases : purchase similarity analysis, social network construction, centrality-based neighborhood formation, and recommendation generation. To evaluate the effectiveness of our approach, we have conducted several experiments using a data set from a department store in Korea. Our method was compared with the best-seller-based method that uses the best-seller list to generate recommendations for the new customer. The experimental results show that our approach significantly outperforms the best-seller-based method as measured by F1-measure.