• 한국정보통신학회논문지
• /
• 제22권1호
• /
• pp.17-25
• /
• 2018

최근 ICT기술의 발전과 스마트 기기의 급격한 보급으로 엄청난 양의 정보가 생성되고 있다. 추천 시스템은 과도한 정보제공(information overload)으로부터 정보 수용자의 적절한 판단을 도와주고, 정보 제공자에게는 기업의 이윤과 업체홍보 효과를 증대 시킬 수 있는 해결책으로 등장하였다. 추천 시스템은 다양한 접근법으로 구현이 가능하지만, 소셜 네트워크 정보로 성능을 향상시킬 수 있는 방법으로 제시되었다. 그러나 추천 시스템 내의 사용자간에 형성되는 신뢰 클러스터의 정보를 활용하는 방안은 연구되지 못하였다. 본 논문에서는 온라인 리뷰에서 생성되는 클러스터에서 클러스터 내부 객체 간 영향성과 트러스터-트러스티 간 정보를 이용하여 추천 시스템의 성능을 향상시키는 방식을 제안하였다. 제안하는 방식을 구현하고 실제 데이터를 활용하여 실험한 결과 기존의 방식들보다 예측 정확도가 향상됨을 확인하였다.

• 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.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2002년도 춘계학술대회 논문집
• /
• pp.333-341
• /
• 2002

사례기반추론기법을 통한 유사상품의 탐색과 사용자 요구에 적합한 상품추천을 위해서는 다양한 요구에 부응할 수 있는 사례베이스의 구축이 우선되어야 한다 이에 본 연구에서는 인터넷 쇼핑몰의 상품추천시스템에서 번들상품구성문제를 표현하는데 적합한 사례표현기법을 개발하며, 유1.1사례를 추출하기 위한 유사도 척도의 개발에 연구의 첫 번째 주안점을 둔다. 본 논문에서는 번들상품추천을 위한 사례표현기법으로 속성-값(feature-value) 방식인 프레임(frame) 형식을 사용하고 있다 또한 유사도 측정을 위하여 각 속성(행사, 예산, 참여자 수, 고객 거주지 등)에 대하여 유사도 테이블을 작성하고, 이들 속성들의 가중합계방법을 이용하고 있다.

• 한국멀티미디어학회논문지
• /
• 제14권1호
• /
• pp.112-120
• /
• 2011

본 연구에서는 상황 적용 시스템을 이용하여 위치 인식 기반의 음식점 추천 서비스를 개발함으로써 이 시스템이 실제 상황 인식 응용 프로그램 개발에도 유용하게 사용될 수 있음을 보일 것이다. 이를 위해 상황 적응 시스템을 기반으로 하여 사용자의 위치 선호도와 검색 히스토리 등의 정보를 이용하는 위치 인식 기반의 맞춤형 음식점 추천 응용 프로그램을 개발하였다. 상황 적용 시스템은 개발자가 작성한 정책 파일의 내용에 따라 변화된 상황에 맞도록 응용 프로그램을 자동적으로 적응시키고, 응용 프로그램은 위치 등과 같은 변화된 상황을 기반으로 음식점 추천 서비스를 제공한다.

• 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.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2015년도 하계학술대회
• /
• pp.195-198
• /
• 2015

최근 TV 서비스의 가입자 및 TV 프로그램 콘텐츠의 급격한 증가에 따라 빅데이터 처리에 적합한 추천 시스템의 필요성이 증가하고 있다. 본 논문은 사용자들의 간접 평가 데이터 기반의 추천 시스템 디자인 시, 누적된 사용자의 과거 이용내역 데이터를 저장하지 않고 새로 생성된 사용자 이용내역 데이터를 학습하는 효율적인 알고리즘이면서, 시간 흐름에 따라 사용자들의 선호도 변화 및 TV 프로그램 스케줄 변화의 추적이 가능한 토픽 모델링 기반의 알고리즘을 제안한다. 빅데이터 처리를 위해서는 분산처리 형태의 알고리즘을 피할 수 없는데, 기존의 연구들 중 토픽 모델링 기반의 추론 알고리즘의 병렬분산처리 과정 중에 핵심이 되는 부분은 많은 데이터를 여러 대의 기계에 나누어 병렬분산 학습하면서 전역변수 데이터를 동기화하는 부분이다. 그런데, 이러한 전역데이터 동기화 기술에 있어, 여러 대의 컴퓨터를 병렬분산처리하기위한 하둡 기반의 시스템 및 서버-클라이언트간의 중재, 고장 감내 시스템 등을 모두 고려한 알고리즘들이 제안되어 왔으나, 네트워크 대역폭 한계로 인해 데이터 증가에 따른 동기화 시간 지연은 피할 수 없는 부분이다. 이에, 본 논문에서는 빅데이터 처리를 위해 사용자들을 클러스터링하고, 클러스터별 제안 알고리즘으로 전역데이터 동기화를 수행한 것과 지역 데이터를 활용하여 추론 연산한 결과, 클러스터별 지역별 TV프로그램 시청 토큰 별 은닉토픽 할당 테이블을 유지할 때 추천 성능이 더욱 향상되어 나오는 결과를 확인하여, 제안된 구조의 추천 시스템 디자인의 효율성과 합리성을 확인할 수 있었다.

• 정보처리학회논문지B
• /
• 제18B권5호
• /
• pp.279-290
• /
• 2011

최근 웹 및 웹 콘텐츠의 양이 폭발적으로 증가함에 따라서 콘텐츠 추천 시스템(CRS, Contents Recommendation System)은 최근 중요한 이슈로 대두되었다. 이에 따라, 콘텐츠 추천 시스템에 대한 콘텐츠 추천 방법(CRM, Contents Recommendation Method)이 꾸준히 연구 및 소개되어 왔다. 그러나 전통적인 CRM들은 콘텐츠 생성자의 위상이 중요하게 여겨지는 웹 2.0 환경에서 활용하는데 부족함이 있다. 본 논문에서는 연결 정도 중심성 분석(Degree of centrality) 및 TF-IDF를 활용하여 양질의 콘텐츠를 추천하는 방법을 제안한다. 이를 위하여 본 논문에서는 RSS와 FOAF를 수집하여 TF-IDF와 연결 정도 중심성을 각각 분석한다. 그리고 분석된 두 값을 이용하여 콘텐츠를 추천한다. 본 논문에서 제안한 방법을 검증하기 위하여 우리는 시스템을 구현하였으며 콘텐츠 추천 결과를 보인다. 본 논문에서 제안한 방법을 사용하면 입력된 질의어에 대해 사용자와 콘텐츠의 관계를 분석하고 이를 통해 적절한 콘텐츠를 추출할 수 있다. 그리고 본 논문에서 제안한 방법을 통해 구축한 시스템은 전통적인 콘텐츠 추천 시스템과 달리 소셜네트워크에서 콘텐츠 생산자에 대한 중요도가 반영됨으로 보다 신뢰성이 있는 결과를 얻을 수있다.

• 한국지능시스템학회논문지
• /
• 제21권2호
• /
• pp.224-229
• /
• 2011

협력적 필터링은 잠재적인 항목을 추천할 수 있어서 추천시스템에 가장 많이 사용되고 있다. 그러나 협력적 필터링은 평가항목이 적을 경우, 평가자의 상황이나 기분에 따라 유사도나 선호도에 큰 영향을 끼칠 수 있다. 또한 사용자의 현재 상황을 전혀 고려하지 않고 과거에 평가한 항목만으로 유사도를 계산하여 추천하여 추천의 정확도가 떨어지게 된다. 본 논문에서는 위와 같은 문제점을 해결하기 위해, 먼저 협력적 필터링 과정을 수행하기 전 사용자들이 평가한 모든 값을 비교하지 않고 평균 이상인 사용자들만을 비교하여 유사도를 계산함으로써 추천의 정확성을 높였다. 또한 끊임없이 변화하는 유비쿼터스 컴퓨팅 환경에서 사용자의 평가 항목만으로 서비스 정보를 추천하는 것이 적합하지 않기 때문에, 사용자의 실시간 컨텍스트 정보를 이용하여 비슷한 사용자들에게 높은 가중치를 적용하여 유사도를 구하는 방법을 사용하였다. 이러한 방법을 사용한 결과, 추천의 정확도가 평균적으로 16.2% 향상되었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.5-6
• /
• 2023

본 연구에서는 언텍트 소비가 일반화됨에 따라 소상공인들을 지원하기 위해 캡티브-포털을 활용하여 주문하는 등의 시스템을 구축하고 있으며, 이에 상권 내 방문자들의 주문 정보를 기반으로 개인의 선호나 취향을 고려하고 기존 방문 순서를 고려하여 다음 방문지를 추천할 수 있는 모델을 개발하고자 한다. 모델 개발을 위한 데이터셋으로는 캡티브-포털을 통해 수집되는 변수 항목과 유사한 위치기반 SNS 데이터인 Foursquare 데이터를 활용했다. 본 논문에서는 데이터셋의 변수 중 상호명을 기반으로 22개의 행동 유형 카테고리로 묶어 현재 행동 유형 이후에 다음에 이어질 행동 유형을 예측하는 것을 제안한다. 개인 별 세션 기반의 데이터셋을 LightMove 알고리즘을 활용하여 행동유형 예측을 임베딩 차원의 변경하여 실험한 결과 500차원에서 Top-5가 82.72의 성능을 보임을 확인했다. 향후 국내 상권에 맞는 방문지 추천 시스템이 개발된다면 방문지 추천을 활용하여 다양한 마케팅 전략을 수립이 가능해질 수 있고, 이를 통해 지역 상권이 활성화될 것으로 기대된다.