• 한국정보과학회논문지:정보통신
• /
• 제36권1호
• /
• pp.50-56
• /
• 2009

본 논문에서는 P2P 네트워크 환경에서 유사한 특성을 가진 다른 노드(node)를 찾아 추천자(recommender) 그룹을 형성하고 유지하는 새로운 알고리즘을 제안한다. 두 노드의 유사한 특성을 비교하기 위해 본 논문에서는 두 노드의 특성값(characteristic value. 이하 CV)을 이용한 적합도 검사(fitness evaluation)를 사용하여 유사도(similarity)를 확인한다. 유사도의 크기가 작을수록 두 노드는 매우 유사한 특성을 가지게 된다. 또한, 본 논문에서 제안하는 GORGFM(Globally Optimal Recommender Group Formation and Maintenance) 알고리즘은 최단 기간 내에 최적의 추천자 그룹을 형성하고 사용자의 선호도 변화에 대응할 수 있는 알고리즘이다. GORGFM 알고리즘을 평가하기 위해 본 논문에서는 매칭율(matching rate)과 얼마나 빠르고 정확하게 추천자 그룹을 형성하는가에 대해 시뮬레이션 한다. GORGFM 알고리즘은 네트워크에서뿐만 아니라 인터넷상에서 컨텐츠(contents) 검색 등과 같이 적합도 함수(fitness function)를 이용할 수 있는 모든 시스템에 적용할 수 있다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2017년도 하계학술대회
• /
• pp.221-224
• /
• 2017

본 논문은 사용자 수준에 적합한 맞춤형 학습코스를 추천하여 학습효과를 향상시킬 수 있는 추천모델을 개발하고, 효과분석을 위한 방안을 제시한다. 학습자 개개인의 학습수준이나 학습내용 등에 따라 적합한 학습주제를 선정하여 제공하는 것은 중요하나, 일반적인 추천은 전문가 그룹을 활용한 사람중심의 추천으로 시간이 오래 걸리는 등 자원의 비효율적 한계점[1]을 가지고 있다. 이를 극복하기 위해, TF-IDF를 이용해 단어별 가중치를 계산하여 고빈도 단어를 추출하여 벡터 공간에 배치시키고, Cosine Similarity 기법을 이용해 벡터간의 유사도를 측정하였다. 학습자 프로파일을 분석하고, 학습스킬간의 연관성을 고려하여 맞춤형 학습코스를 추천하기 위해, 워드 임베딩 기법을 적용하였고, 이를 위해 오픈소스 Gensim[2]을 이용하였다. 맞춤형 학습코스 추천 모델의 효과를 분석하기 위한 실험을 설계하고 평가 문항지를 개발하였다.

• 한국콘텐츠학회논문지
• /
• 제9권5호
• /
• pp.346-354
• /
• 2009

본 논문에서는 항목기반 방법을 이용하여 교육자들이 학습자들에게 적용하고 있는 학습 패턴을 위한 새로운 학습 추천 시스템을 제안한다. 본 논문에서 제안된 방법은 먼저 인터넷 콘텐츠 사이트에서 학습자들이 수행하는 학습 정보를 기반으로 개인별 학습 방법을 수집한다. 다음에 이러한 정보를 기본으로 하여 학습 요소별로 구분하여 학습자들에게 가장 적합하다고 판단되는 학습 방법을 추천한다 제안된 시스템의 평가를 위해 한 중학교 학생들을 실험에 참여 시켰으며 학습자의 성적에 따라 3개의 그룹으로 구분하였다. 학업 성취도 향상을 위한 가장 효과적인 방법을 추천하기 위해 각 그룹에 적용되는 학습 요소들에 속성간, 속성내 가중치를 부여하였다. 실험 결과 제안된 방법에서 학습자들의 성취도가 이전 성적에 비해 상당한 수준으로 향상됨을 보였다.

• 컴퓨터교육학회논문지
• /
• 제14권6호
• /
• pp.53-64
• /
• 2011

본 논문에서는 사례기반 방법을 이용하여 학습자들의 학습 성과를 개선하기 위한 새로운 추천 방법을 제안하고 이를 실험적으로 평가한다. 본 논문에서는 먼저 경북지역의 현직 교사들을 대상으로 설문을 조사하였으며 학습 요인별로 중요도에 따라 학습사례를 구성하였다. 다음에 이러한 조사를 기본으로 하여 수준별 학습사례로 구분하여 학습자들에게 차별화된 학습 방법을 추천하였다. 제안된 학습사례의 실증적 평가를 위해 한 중학교 학생들이 실험에 참여하였다. 학습자의 수준을 고려하여 학생들은 세 개의 그룹으로 나누었으며 각 그룹에 서로 다른 학습사례를 적용하였다. 교사들의 설문 결과를 반영하여 각 그룹에 포함된 학습향상 요소들 간의 가중치를 부여하였다. 제안된 사례기반의 추천 방법을 사용한 실험 결과에 의하면 학습자들의 학업 성취도가 이전에 비해 상당히 향상됨을 보였다.

• 한국비블리아학회지
• /
• 제28권4호
• /
• pp.501-518
• /
• 2017

연구자들에게 지식을 습득하여 연구 활동에 도입하는데 걸리는 소요시간을 단축하는 것은 연구생산성 향상에 필수적인 요소라고 할 수 있다. 본 연구의 목적은 한민족과학기술자네트워크(KOSEN) 사용자들의 정보 이용 패턴을 군집화하고 그룹화 된 사용자들에게 맞는 개인화 추천서비스 알고리즘의 최적화 방안을 제안하는 것이다. 사용자들의 연구활동과 이용정보에 기반하여 적합한 서비스와 콘텐츠를 식별한 후 Spark 기반의 빅데이터 분석 기술을 적용하여 개인화 추천 알고리즘을 도출하였다. 개인화 추천 알고리즘은 사용자의 정보검색에 소요되는 시간을 절약하고 적합한 정보를 찾아내는데 도움을 줄 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.1042-1045
• /
• 2013

정보기술의 발달로 전 세계에서 발생하는 사건 사고들은 실시간으로 확인 가능하며 정보의 중요성은 더욱 더 중요해지고 있다. 이런 사회 현상에 맞춰 인적자원 솔루션에서도 빅 데이터 분석 기술을 이용하여 인적자원 의사결정에 도움을 주는 기술이 필요하게 되었다. 따라서 본 논문에서는 빅 데이터 분석 기술을 이용하여 인사채용과 관련된 데이터들을 추출하고 분석하여 구직자의 적성과 능력에 맞는 직업을 예측하는 시스템을 설계하였다. 구직자 및 이직을 원하고 있는 사람들이 소셜 네트워크 서비스를 이용하면서 사용하고 있는 특정 단어와 특정 단어의 언급 빈도의 데이터를 추출하고 추출 된 데이터는 통계를 내어 데이터의 특성에 맞게 분류하여 분류된 데이터는 연관된 속성에 의해 그룹화 한다. 그룹화 된 정보를 분석하여 구직자의 적성과 능력을 고려한 직업을 예측하는 정보로 도출하여 직업을 추천 할 수 있는 예측 시스템을 설계하였다.

• 한국HCI학회논문지
• /
• 제5권2호
• /
• pp.25-31
• /
• 2010

본 논문은 전시장의 다수 방문자를 위한 혼합형 그룹 경로 생성 시스템을 제안한다. 제안하는 혼합형 그룹 경로 생성 시스템은 다수 방문자들이 조화롭게 자신들의 방문 경로를 설정할 수 있도록 있도록 그룹 내 각 사용자의 프로파일을 합병하고, 자동 선택과 사용자 참여를 혼합하여 적절한 방문지를 선택하고 경로를 생성 한다. 사용자 프로파일 합병에서는 전시장에 대한 개별 사용자 프로파일을 곱하기 효용 함수를 적용하여 그룹 프로파일로 합병한다. 그리고 합병된 사용자 프로파일과 개별 사용자의 선호도를 차이가 적은 경우에는 자동으로 경로를 설정하고, 사용자의 선호도와 융합된 프로파일과 차이가 큰 경우에는 방문 가능한 곳을 추천하여 사용자들이 경로를 설정하도록 한다. 제안하는 혼합형 그룹 방문 경로 생성 시스템의 유용함을 보이기 위해 11명의 사용자를 모집하여 여러 가지 전시관 시나리오에 적용하여 경로 생성 기법을 검증하였다. 실험 결과 시스템의 자동 선택과 사용자의 선택적인 참여가 융합된 제안하는 방법이 그룹 사용자의 경로 설정에 효과적임을 알 수 있었다.

• 디지털융복합연구
• /
• 제11권3호
• /
• pp.345-352
• /
• 2013

최근 스마트 기기 사용자의 증가에 따라 모바일 음악에 대한 수요와 생산이 꾸준히 증가하고 있다. 이에 따라 대중화된 음악의 폭이 넓어지면서 사용자가 선호하는 음악에 대한 선택의 기준 또한 매우 다양해지고 복잡해지는 추세이다. 이러한 이유로 모바일 환경에서 사용자 개인이 선호하는 음악을 정교하게 추천하기 위한 지능적 음악 추천 기법에 대한 연구가 활발히 진행되고 있다. 그러나 기존의 음악 추천시스템은 청취로그를 이용한 단순 추천 방법을 사용하고 있어 사용자의 선호도를 제대로 고려하지 못하고 있다. 본 논문에서는 사용자의 선호도를 반영한 개인화된 적응형 음악 추천 시스템을 제안한다. 본 시스템에서는 계층적 의사결정 도구인 AHP를 이용하여 사용자의 개개인의 음악적 선호도를 반영한 음악 추천이 가능토록 하였으며, 베이지안 네트워크 기반의 사용자 피드백 통해 지속적인 사용자의 음악적 선호도를 반영하도록 하였다. 본 시스템의 성능을 평가하기 위해 12명의 실험자를 각각 3명씩 4그룹으로 나누어 실험하였으며 그 결과 87.5%의 추천 만족도를 얻었다.

• 한국컴퓨터정보학회논문지
• /
• 제15권2호
• /
• pp.135-146
• /
• 2010

본 논문에서는 이러닝 마켓플레이스에서 자기주도학습지원을 위한 추천시스템을 제안한다. 이 시스템은 마켓플레이스를 지원하기위한 개선된 협업필터링을 이용한 추천시스템이다. 기존의 협업필터링 기법은 입력데이터구성, 최근접 이웃선정을 통한 유사고객 그룹을 형성하고, 추천목록 생성하는 3단계로 구성되었다. 본 연구는 이를 개선하여 산업 수준을 고려한 최근접 이웃 교육과정 선정 단계를 추가한 협업필터링에 사용하여, 자기주도학습을 지원할 수 있는 추천시스템을 설계하였다. 이 서비스는 산업체 학습자에게 보다 정확한 교육과정을 선택할 수 있도록 도와준다. 추천시스템은 다양한 기법을 통해 구축되며, 협업필터링 방식을 사용하여 명시적인 속성이 부여 되어진 콘텐츠를 추천하는 것은, 기존 콘텐츠 추천의 한계를 해결하고자 하였다.

• 정보관리학회지
• /
• 제38권2호
• /
• pp.113-127
• /
• 2021

본 연구는 대학 도서관 사용 증진을 위하여 개인별 맞춤 도서 추천시스템을 구축하는 것을 목적으로 한다. 특히 사용자의 아이템에 대한 선호도가 존재하는 다수의 추천시스템과는 달리, 선호도가 존재하지 않을 때에 도서 추천이 가능하도록 하는 방안인 도서관 이용자의 도서 대출 목록과 성향을 활용하여 평가지표를 생성하는 방법을 제안하고자 한다. 이용자가 아직 읽지 않은 책에 대한 예상 선호도를 산출하는 방식으로 도서를 추천하는 행렬 분해 방법인 Singular Value Decomposition(SVD)과 Stochastic Gradient Descent(SGD) 알고리즘을 활용한 모델을 구축했다. 더불어 유사도가 높은 이용자 그룹 내의 도서 대출 목록을 참조하여 추천하는 사용자 기반 협업 필터링 알고리즘을 활용해 모델을 구현했다. 최종적으로 평가지표를 활용한 세 가지 모델에 대하여 사용자 평가를 진행했다. 각각의 모델이 제시한 개인별 맞춤 도서 다섯 권의 목록을 해당 대출자에게 제공하고, 추천 도서에 대한 만족/불만족 여부를 이진화 점수화하여 모델에 대한 평가를 진행했다.