• 한국콘텐츠학회논문지
• /
• 제11권12호
• /
• pp.40-51
• /
• 2011

인터넷을 통해 배포되는 방대한 양의 콘텐츠에서 사용자의 취향에 적합한 콘텐츠를 제공하는 것은 추천 시스템의 중요한 요소라고 할 수 있다. 이를 위한 기존의 추천 시스템은 사용자의 프로파일과 상황정보를 활용한 알고리즘에만 중점을 두고 연구가 진행되어 추천의 정확도 향상에 크게 기여하였다. 그러나 SP(Service Provider)의 BM(Business Model)에 대한 충분한 검토가 함께 이루어지지 않았기 때문에 SP가 요구하는 추천 시스템의 구축은 기존 연구를 통해 해결하기엔 한계가 존재한다. 이에 본 논문에서는 사용자의 복합 상항정보를 이용하여 CP(Contents Provider)의 콘텐츠를 검색하고, SP의 BM에 적합한 콘텐츠를 추천하기 위해 추천 가중치 기법을 적용한 모바일 추천 시스템을 제안한다. 또한, 제안된 프로토타입 시스템의 검증을 위해 사용자 프로파일과 상황정보를 결합하는 복합 상황 정보와 SP에 의한 추천 가중치를 적용한 놀이기구 추천 서비스를 구현한다.

• 정보관리학회지
• /
• 제24권2호
• /
• pp.89-104
• /
• 2007

본 연구는 대용량 음악콘텐츠환경에서 개인화 추천 서비스를 위한 기반구조의 제공을 위하여 시도되었다. 추천서비스를 위한 기존의 많은 연구와 상용프로그램에도 불구하고 대규모의 쇼핑몰들은 개인화 추천서비스와 실시간으로 대용량의 데이터를 처리할 수 있는 추천시스템을 필요로 하고 있다. 이를 위하여 본 연구에서는 데이터마이닝 기술과 새로운 패턴매칭 알고리즘을 제안하고 있다. 콘텐츠 주제분야에 대한 이용자의 선호도를 이용한 이용자 분할을 위하여 군집화 기법이 사용되었다. 다음으로는 군집화를 통하여 생성된 분할된 이용자 그룹에서 개별 이용자의 콘텐츠에 대한 접근 패턴의 추출을 위하여 순차패턴 마이닝기법을 적용하였다. 최종적으로 각각의 이용자 군집의 콘텐츠 접근 패턴과 콘텐츠 선호도에 기반한 제안된 추천 알고리즘에 의해 추천이 이루어진다. 이러한 추천을 위하여 기반 구조와 함께, 전처리과정과 원본 데이터의 형식변환이 데이터베이스에서 수행되어진다. 본 연구에서 제안하고 있는 기반구조의 적절성을 보여주기 위하여 제안된 시스템을 구현하였다. 실제 이용자에 의해 이용된 데이터를 실험에 적용하였으며, 해당 실험에서 추천은 실시간으로 이루어졌으며 추천결과에 있어서는 적절한 정확성을 보여주고 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.51-54
• /
• 2006

본 논문에서는 각 사용자들의 취향에 맞는 음악을 추천하는 개인화된 음악 추천 시스템을 소개한다. 추천 시스템이란 사용자의 선호도를 분석하고 아이템들에 대한 사용자의 선호도를 예측하여 영화, 음악, 기사, 책, 웹 페이지 등과 같은 아이템들을 추천하는 시스템을 말한다. 추천 시스템들에서 가장 많이 사용하고 있는 협동적 추천 방식은 선호도 데이터를 기반으로 유사한 사용자들을 찾고, 유사 사용자들의 선호도를 기반으로 예측을 수행하는 것으로서, 여러 장점들이 있으나 희소성(sparsity) 문제와 확장성(scalability) 문제에 대해 취약점을 가지고 있다. 아이템들의 전체 수에 비해 매우 적은 수의 아이템 선호도 데이터만 존재한다면 사용자들의 유사도를 계산하기가 어려우며, 또한 사용자의 수가 늘어날수록 유사도 계산에 걸리는 시간이 급격하게 늘어남으로써 수백만 사용자가 있는 웹 사이트 등에서 실시간 추천을 수행하기 어렵다. 본 논문에서 소개하는 음악 추천 시스템은 이러한 문제점들을 해결하기 위해 그래프 기반 협동적 여과 기법을 사용한다. 그래프 기반 협동적 여과 기법은 기존의 협동적 여과 기법들과 달리 아이템들 사이의 연관관계를 그래프 모델로 표현하고 저장함으로써 묵시적인 선호도 정보들을 누적하여 희소성 문제를 해결하고, 추천 아이템을 선정하는데 필요한 계산 시간을 크게 단축하여 대규모 데이터에서 실시간 추천을 가능하게 한다는 장점이 있다.

• 한국산업정보학회논문지
• /
• 제23권6호
• /
• pp.9-19
• /
• 2018

최근 게임 산업의 발달과 게임 방송에 대한 사람들의 관심이 많아짐에 따라 기존 게이머들이 아닌 사람들도 게임에 관심을 많이 보이고 있고, 게임 구매로 이어지고 있다. 하지만, 일반 사용자가 매일 수십 개씩 발매되는 게임 중에 어떤 게임이 자신이 재밌게 즐길 수 있는 게임인지를 판단하기 어렵다. 따라서 게임 판매 플랫폼에서 게임 추천 기능을 갖추고 있지만 그들의 매출 증가를 위한 수단으로 사용되어 그들의 할인 제품이나 신제품에 초점을 맞춰 추천을 해주기 때문에 추천 시스템의 정확도가 낮다. 이러한 이유 때문에 본 논문에서는 사용자에 대한 추천 만족도를 높이고 사용자 경험을 적절히 반영한, 사용자가 남긴 평점을 기반으로 한 게임 추천 시스템을 구성하였다. 시스템에서는 협력 필터링을 이용한 예상 평가 점수 기능과 나이브 베이지안을 이용한 게임 추천 기능을 구현하여 사용자에게 빠르고 정확한 추천을 할 수 있도록 구현하였다. 결과적으로 예상 평점 알고리즘의 경우 2.4초의 처리 속도와 평균 72.1퍼센트의 정확도를 얻었고, 게임 추천 알고리즘의 경우 75.187퍼센트의 정확도를 얻어 사용자에게 빠르고 정확한 추천 결과를 제시 할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제22권7호
• /
• pp.164-175
• /
• 2022

OTT(Over The Top) 플랫폼은 개인화된 추천 서비스가 이용자들을 플랫폼에 더 오래 머물게 하고, 더 자주 방문하게 한다는 점에서 차별적 경쟁우위 특성을 강화하기 위해 노력하고 있다. 본 연구에서는 개인화된 추천 서비스의 특성을 추천 정확성과 추천 다양성, 추천 신기성의 3가지로 구분하고, 각 특성이 이용자가 추천 서비스에 대해 인지하는 유용성에 영향을 미치고, 기대충족으로 이어지는 연구모형을 제안하였다. 넷플릭스를 정기구독 결제하는 20, 30대 300명을 대상으로 온라인 설문조사를 진행한 결과, 추천 서비스의 정확성과 다양성, 신기성이 높았을 때 지각된 유용성이 높아짐을 확인하였다. 높은 지각된 유용성은 넷플릭스 이용 전후의 기대충족으로 이어진다는 점 역시 확인하였다. 도출된 연구 결과는 개인화된 추천 서비스 평가에서 이용자 경험 측면의 중요성과 추천 서비스 품질 개선 방안에 대한 시사점을 제공할 수 있을 것이다.

• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1293-1304
• /
• 2022

개인화 추천시스템은 각 개인의 관심사나 선호도를 분석하여 이에 맞는 정보나 제품을 추천해주는 것을 의미한다. 이러한 개인화 추천을 통해 소비자들은 본인에게 필요한 제품들을 보다 빠르게 접함으로써 정보 탐색에 소모하는 시간을 단축할 수 있으며, 기업들은 소비자들의 필요에 맞는 적절한 제품을 추천해줌으로써 기업 이윤을 증가시킬 수 있다. 본 연구에서는 대표적인 개인화 추천 기법들인 협업 필터링, 행렬 요인화, 딥러닝을 사용하여 소비자에게 제품을 추천해준다. 이를 위해 원데이터 (Raw data)인 쇼핑몰 상품 구매 후기 데이터세트를 추천시스템의 입력으로 전달하기 위한 형태로 전처리하고, 전처리한 데이터세트를 다각도로 분석해본다. 또한, 각각의 모델들이 추천한 결과에 대해 검증 및 성능 비교를 수행하고 최적의 성능을 보이는 모델을 탐색하여 이후 해당 쇼핑몰에서 추천시스템 구축 시 어떤 모델을 사용하는 것이 좋을지를 제시한다.

• 경영정보학연구
• /
• 제24권3호
• /
• pp.69-91
• /
• 2022

짧은 동영상의 대표서비스인 틱톡의 사용자를 대상으로 프라이버시 계산 모델을 이용하여 틱톡의 추천서비스 유형(추천서비스 정도에 따라서 3단계로 구분함)에 대한 사용자의 반응(인지된 위험, 인지된 혜택, 지속적 사용의도)과 인지된 위험과 인지된 혜택이 지속적 사용의도에 미치는 영향을 검증하였다. 뿐만 아니라 지속적 사용의도에 영향을 조절하는 호기심의 역할이 있는지를 검증하였다. 연구 결과, 인지된 혜택(인지된 정보성)요인과 지속적 사용의도는 추천서비스 유형중에서도 고, 저, 중 추천 서비스정도 순으로 높게 나타났고, 인지된 혜택(인지된 오락성)과 인지된 위험(프라이버시 심각성, 프라이버시 침해 가능성)은 고, 중, 저의 추천 서비스정도 순으로 높게 나타났다. 인지된 혜택(인지된 정보성, 인지된 오락성)은 지속적 사용의도에 긍정적인 영향을 주었으나, 인지된 위험(프라이버시 심각성, 프라이버시 침해 가능성)은 지속적 사용의도에 부정적인 영향을 주는 것으로 확인되었다. 마지막으로 프라이버시 계산모델에서 호기심은 조절효과가 있다는 것을 확인하였다. 사용자들은 추천서비스의 프라이버시에 대한 우려와 서비스에 대한 혜택 모두를 인지하고 있으며, 추천서비스에 대해서 위험과 혜택이 모두 있지만 지속적으로 서비스를 이용할 것으로 나타났다. 더 많은 연구를 통해서 추천시스템의 긍정적인 효과와 부정적인 반응을 비교하여 사용자들의 프라이버시 허용정도에 대해서 좀 더 알게 되었을 때 추천서비스를 염려없이 사용할 수 있을 것으로 사료된다.

• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 춘계학술발표대회
• /
• pp.109-112
• /
• 2006

최근 대용량 추천시스템에 대한 필요성이 증가하고 있고, 특히 대규모 인터넷 쇼핑몰을 위한 개인화 추천 시스템 구조에 대한 관심이 높아지고 있다. 본 논문에서는 k-means 클러스터링과 순차 패턴 기법을 이용한 인터넷 쇼핑몰 상품 추천 시스템을 설계 및 구현한다. 사용자 정보의 일괄처리와 카테고리의 계층적 특성을 반영하면서 데이터 마이닝 기법을 활용하여 개인화된 추천 엔진을 대형 시스템에서 동작하도록 설계 하였다. 설계 구현한 시스템의 평가를 위해, 대형 쇼핑몰의 데이터를 이용하여 추천 예측 정확율(PRP: Predictive Recommend Precision), 추천 예측 재현율(PRR: Predictive Recommend Recall), 정확도 인수(PF1 : Predictive Factor One-measure)를 구하였다.

• 한국경영정보학회:학술대회논문집
• /
• 한국경영정보학회 2007년도 추계학술대회
• /
• pp.579-584
• /
• 2007

대용량 모바일 기기의 발전과 보급이 확산됨에 따라 사용자들은 사진, 음악, 동영상과 같은 멀티미디어 콘텐츠를 대량으로 휴대하며 이용할 수 있게 되었다. 그러나, 이러한 대량의 멀티미디어 콘텐츠 관리는 사용자 각자에게 맡겨져 있어 콘텐츠 관리를 어렵게 하고 있는 현실이다. 본 논문에서는 분산 모바일 환경에서 멀티미디어 콘텐츠의 공유와 추전을 통해 사용자에게 적합한 콘텐츠를 추천을 통해 제공하고, 제공된 콘텐츠는 모바일 동기화 서비스를 통해 모바일 기기로 저장하고 관리되는 '분산 모바일 환경에서 멀티미디어 콘텐츠 추전 및 검색 서비스'를 설계하고 구현하였다. 제안된 시스템은 사용자의 선호 프로파일 정보로 협업 필터링을 통해 공유된 멀티미디어 콘텐츠 중에서 사용자에게 적합한 콘텐츠를 추천해 주고, 추천된 콘텐츠는 모바일 기기 사용자의 행동에 따라 모바일 동기화 서비스를 통해 모바일 기기에 저장과 관리, 검색이 된다. 본 논문에서 제안된 방법은 추천과 검색을 통해 사용자 모바일 기기의 멀티미디어 콘텐츠를 효율적으로 관리 할 수 있다. 이처럼 본 논문에서 제안된 서비스 방법은 멀티미디어 콘텐츠의 추천과 모바일 동기화 서비스로 능동적인 콘텐츠 관리를 제공하며, 사용자에게 효율적인 콘텐츠 검색 기법과 활용 방법을 제공 할 수 있다.