• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.319-321
• /
• 2002

협력적 추천 알고리즘의 성능향상을 위한 많은 연구들이 진행되고 연구 결과로 다양한 협력적 추천 기법들이 제안되고 있다. 이러한 연구에서는 EachMovie, MovieLens등의 선호도(Rating) 값을 기반으로 하는 데이터를 대상으로 추천의 효율을 높이고자 하고 있다. 그러나 실세계에서 우리가 얻을 수 있는 원 거래 데이터(Raw Transaction Data)는 선호도 값을 갖고 있지 않다. 따라서 실세계의 구매 데이터에 효과적인 추천을 하기 위해서는 기존의 선호도 기반 알고리즘이 아닌 구매 정보만을 기반으로 하는 변경된 협력적 추천 알고리즘이 필요하다. 본 논문에서는 연관규칙 탐사 기법에서 사용하는 확신도(confidence)를 유사도식에 사용하고 이를 기반으로 선호도를 예측하는 구매 기반의 협력적 추천 알고리즘을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.04a
• /
• pp.754-756
• /
• 2004

본 논문에서는 B2B e-Marketplace에 참여하는 비즈니스 파트너들에게 새로운 상품을 추천하기 위한 웹 에이전트 기반 추천 시스템을 제안한다. 본 논문에서 제시하는 추천 시스템은 비즈니스 파트너에 대한 정보를 수집하기 위한 모니터링 에이전트, 수집된 정보를 분석하기 위한 분석 에이전트, 그리고 분석결과를 이용하여 추천 서비스를 제공하기 위한 추천 에이전트로 구성된다. 이와 같은 웹 에이전트 기반의 추천 시스템은 다수의 공급자와 다수의 비즈니스 파트너가 참여하는 B2B 환경에서 실시간으로 비즈니스 파트너의 수요나 성향에 맞는 서비스 제공을 통해 공급자와 비즈니스 파트너간의 수요/공급 예측 및 협력관계를 향상시킬 수 있다.

• Journal of the Korea Safety Management & Science
• /
• v.12 no.2
• /
• pp.193-197
• /
• 2010

오늘날 인터넷의 출현과 확산으로 인하여 정보의 홍수를 이루게 되었고, 고객들은 자신이 원하는 제품이나 서비스를 선택하기 위해서 정보를 탐색하는 작업이 더욱 어려워지게 되었다. 이러한 고객들에게 좀 더 편리하게 자신이 원하는 제품이나 서비스를 선택하도록 도와주는 것이 추천 시스템으로써, 고객 관계 관리의 중요한 부분으로 자리잡게 되었다. 본 연구에서는, 인터넷상의 여행사 사이트 등에서 고객이 여행지를 선택할 때 고객이 관심을 가질만한 여행지를 추천하여 줌으로써 고객이 최적의 여행지를 선택할 수 있는 새로운 추천 시스템을 개발하였다. 기존의 여러 추천 시스템에서 적용되던 협업 필터링 기법의 문제점으로 나타나고 있는 희소성과 확장성을 해결하기 위하여 본 연구에서는 퍼지로직과 인공신경망을 결합한 하이브리드 접근 방법인 뉴로 퍼지 기반의 여행지 추천시스템을 개발하였다. 제안한 추천시스템을 적용하여 실험한 결과 제안 시스템이 기본의 방법들보다 우수함을 입증하였다.

• 한국IT서비스학회:학술대회논문집
• /
• 2008.05a
• /
• pp.516-520
• /
• 2008

협력적 필터링을 이용한 추천시스템은 인터넷 기반 전자상거래에서 좋은 추천 도구로 사용되고 있다. 협력적 필터링 방식은 고객의 선호도를 조사하여 이를 바탕으로 이웃 고객을 선정하고 이들에 대한 선호도를 수집하여 고객이 좋아할 만한 상품을 추천하는 기법이다. 이웃 고객에 대한 정보를 이용하여 추천에 사용하므로 이웃고객이 적은 경우 추천시스템의 예측에 어려움이 생긴다. 본 논문은 추천시스템의 예측 정확도를 높이기 위한 방법으로 희소성이 있는 상품을 우선 선정하고 그들 상품에 대한 선호도를 조사하였다. 그리고 이들에 대한 선호를 나타낸 고객들을 선별하여 추천시스템의 예측 정확도를 향상시키는 방법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.801-804
• /
• 2004

2001년 하반기 이후 디지털 TV 시대가 열리면서 채널의 수와 그에 따른 프로그램의 수가 폭발적으로 증가했다. 그리하여 기존의 방법으로는 시청자가 원하는 프로그램을 선택하는 것이 어려운 일이 되었다. 이 문제를 해결하는 방안으로서 pEPG(personalized Electronic Program Guide)가 많이 연구되어 왔으며 본 논문에서는 pEPG를 위한 추천 방법에 대해 연구하고자 한다. 기존의 추천 방법은 내용기반추천과 협업추천이 대표적인데, 이들은 어느 한족이 우월하다기 보다 각각의 단점을 상호보완해주는 관계에 있다. 각 추천 방법이 TV환경의 pEPG에 적용될 때는 어떤 장단점이 있는지 살펴보고, 이에 인구통계학적추천을 혼합한 기법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.07b
• /
• pp.610-612
• /
• 2005

협동적 여과를 이용한 추천 시스템은 데이터의 희소성 문제(sparseness problem)와 초기 추천 문제 (cold-start problem)에 대해 취약점을 가지고 있다. 협동적 여과를 이용한 추천 시스템에서 사용하는 선호도 데이터에 아이템들의 전체 수량에 비해 매우 적은 양의 아이템 선호도만 존재한다면 사용자들의 유사도 측정에 문제를 발생시켜 극단적인 경우엔 협동적 추천이 불가능할 경우가 발생한다. 이와 같은 문제는 선호도 데이터에 나타난 아이템들의 총수에 비해 사용자가 선호(구매)한 아이템이 극히 적은 수량으로 존재하기 때문이며 새로운 사용자의 경우에는 아이템 선호도 정보가 전혀 없기 때문에 유사 사용자를 추출하지 못하여 아이템을 전혀 추천할 수 없는 문제가 발생한다. 본 논문에서는 희소성이 높은 선호도 데이터를 희소하지 않은 상태로 변형하는 희소 데이터 변형 기법을 제안한다. 희소 데이터 변형 기법은 희소데이터에 나타난 사용자와 아이템의 추가 속성 정보의 확률분포를 이용하여 알려지지 않은 선호도 값을 예측함으로써 희소성이 높은 선호도 데이터를 변경하고, 변경된 선호도 데이터를 협동적 추천에 적용하여 추천 성능을 향상시킨다. 이와 같은 선호도 데이터 변경 기법을 데이터 블러링(data blurring)이라 한다. 몇가지 실험 결과를 통해 제안된 기법의 효과를 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.1073-1076
• /
• 2014

최근 추천 서비스 시스템의 높은 서비스 만족도와 스마트 디바이스들의 빠른 발전과 높은 보급률로 인해 모바일 환경에서의 추천시스템들이 높은 필요성이 증대되고 있다. 이러한 추천 시스템들 중에서도 개인의 성향을 바탕으로 서비스를 제공하는 추천 시스템들이 큰 인기를 얻고 있는 추세이다. 추천 서비스 중에서도 꾸준하게 국내에서 소비량과 관심이 증가하고 있는 와인에 대한 서비스를 제공하고자한다. 국내 와인 소비량이 10년 만에 약 84%가 증가함을 통해 소비자들의 와인에 대한 관심이 꾸준하게 증가하고 있는 점을 알 수 있다. 이를 바탕으로 본 논문에서는 개인의 성향을 바탕으로 선호하는 와인을 추천해주는 서비스 시스템을 제안 및 구현하고, 해당 시스템을 모바일 디바이스를 통해 제공해주는 어플리케이션을 설계 몇 구현하였다.

• Proceedings of the KAIS Fall Conference
• /
• 2003.06a
• /
• pp.222-225
• /
• 2003

웹의 급속한 성장으로 수많은 양의 정보가 매일같이 쏟아져 나오고 있다. 이는 특정 상품정보를 얻으려는 고객들에게 많은 혼란을 야기할 수 있다. 이러한 문제의 해결을 위해 추천시스템이 개발되었고, 추천 시스템은 고객들이E-Commerce 상에서 상품을 구매하는 것을 도와주기 위해서 지속적인 증가추세로 사용되고 있다. 이러한 추천시스템은 다양한 고객들의 선호도에 따라 유사성과 비유사성에 대한 정보의 기초위에서 고객들의 잠재적인 관심 항목들에 대해 개인의 취향에 맞게 추천하는 기술들을 제공한다. 그러나, 추천시스템에 많은 관심을 가짐에도 불구하고 그들의 성능에 대한 공개된 기술이나 정보는 매우 제한적이다. 본 논문에서는, 과거 고객들의 구매행동, 고객정보 데이터마이닝의 연관규칙을 이용한 E-Commerce 추천시스템을 설계하고 구현하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1549-1552
• /
• 2015

최근 스마트폰을 비롯한 스마트 디바이스의 급격한 보급화가 이루어짐에 따라 추천가 시스템과 같은 개인화 서비스에 관한 연구가 활발히 진행되고 있다. 그러나 이러한 서비스는 활용 방안이 광범위함에도 불구하고 마케팅 등의 특정 분야에 한정되어 있거나 저수준의 QoS를 제공하는 정도에 머물러 있어 국내의 추천가 시스템은 아직 도입단계에 불과하다. 추천가 시스템은 추천할 물품과 같은 객체의 기본 및 평가 정보를 텍스트 형태의 메타 정보로 나타낸다. 이러한 메타 정보 기반 필터링에 의해 주변 경로 및 취향이 고려되지 않은 결과를 사용자에게 제공하고 있다. 이에 사용자와 상호작용하여 건강이나 취향, 식사 이력, 통계 등을 고려해 메뉴를 추천해주는 최적화된 알고리즘 연구가 요구된다. 본 논문에서는 최적화된 내용 기반 필터링을 활용해 사용자의 입력 패턴과 취향을 파악하여 메뉴를 추천해주는 시스템인 UBRS을 제안하고자 한다.