• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2015년도 추계학술발표대회
• /
• pp.1611-1614
• /
• 2015

최근 많은 추천 시스템들이 연구 되고 있으며, 사용자들에게 의사결정을 도와주는 추천시스템에 대한 중요도가 급증하고 있다. 기존의 영화 추천시스템에서는 희박성의 문제가 제기된다. 본 논문에서는 이러한 문제를 보완하고자 사용자가 영화에 대해 남긴 리뷰로부터 영화키워드를 분석하고 분석된 키워드로부터 가중치를 활용한다. 즉 사용자들로부터 영화에 대한 리뷰를 수집하고 리뷰로부터 각 영화 키워드를 분석해 키워드별 가중치를 활용해 이를 기반으로 영화를 추천한다. 그 결과 사용자에게 만족할만한 정보를 제공해 효율성을 높이고, 영화에 대한 개인 리뷰를 반영한 영화추천 시스템을 설계 및 구현해 사용자에게 적절한 영화를 추천한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.1691-1693
• /
• 2012

협업필터링은 추천 시스템 중에서 가장 일반적으로 사용되는 추천 시스템이다. 영화 추천 시스템에서도 이 방법을 가장 많이 사용한다. 추천 시스템에서 가장 많이 사용되고 있는 방법이지만 이 기법만을 적용할 경우 희박성, 확장성 그리고 투명성 등의 문제점을 가진다. 이러한 문제점들을 개선해 보려는 노력들이 많이 연구되어 왔다. 본 논문에서는 개인들의 특징인 개인 성향과 협업 필터링을 기반으로한 영화 추천 시스템을 제시하고 기존의 영화추천 시스템과 성능 평가한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2010년도 추계학술발표대회
• /
• pp.546-549
• /
• 2010

인터넷의 발달과 유통되는 정보의 양이 증가함에 따라, 그 속에서 사용자가 원하는 정보를 효과적으로 얻기 위한 노력이 계속되어 왔다. 그 중에서 사용자에게 적합한 상품을 추천하고 정보를 제공하기 위한 추천 시스템이 매우 중요하게 인식되고 있으며, 이에 대한 연구가 지속되고 있다. 본 논문에서는 추천 시스템의 핵심적인 방법들과 발전 방향을 다양한 측면에서 체계적으로 분석하였다. 최근에 자주 사용되어지는 효과적인 추천 시스템의 장단점을 비교하여, 추천 시스템이 적용될 수 있는 다양한 환경에서 최적화된 방법을 제시하였다. 더불어 기존의 추천 시스템이 가지고 있는 한계와 그 극복 방안에 대하여 모색해 보았다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 추계학술발표대회
• /
• pp.929-930
• /
• 2009

본 논문에서는 링크 기반 유사도 계산을 이용해서 블로그 공간에서 사용자가 관심을 가질만한 게시글들을 사용자에게 추천하는 방안을 제안한다. 제안된 방안은 사용자가 관심을 가졌던 게시글들 중에서 시드 게시글을 선택하고 링크 기반 유사도를 계산하여 시드 게시글과 가장 유사하다고 판단되는 k개의 게시글들을 사용자에게 추천한다. 또한, 시드 게시글들 중에서 추천하고자 하는 주제가 아닌 다른 주제의 게시글들이 잘못 추천되는 문제를 해결하기 위해서 시드 게시글과 동일한 주제라고 확실시 되는 게시글들만을 점진적으로 찾아 추천하는 방안을 제안한다. 실제 블로그 데이터를 이용한 실험을 통하여 제안하는 추천 방안의 우수성을 검증한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• pp.39-42
• /
• 2009

사용자 적응형 추천 시스템의 목적은 사용자의 선호도와 행동 정보 등을 분석, 분류하여 그를 바탕으로 각 사용자가 필요로 하거나 선호 할 만한 서비스를 사용자에게 추천하여 사용자 편리성을 높이는 것이다. 그러나 기존의 추천 시스템은 새로운 사용자의 등장이나 새로운 서비스의 등장 시 분석에 많은 시간을 필요로 하거나, 과특성화와 희귀성이라는 특성으로 인한 추천 서비스 단순화 등의 문제점을 안고 있다. 본 논문에서는 새로운 사용자 등장 시 결정 트리를 이용한 분류로 분석시간을 줄이고, 새로운 아이템의 등장 시 분석시간의 감소와 다양한 사용자 중심적인 추천을 위해 대리자를 이용한 사용자 군집화와 추천을 수행하는 새로운 모델을 제시한다. 또한 제안된 모델을 분석하여 위의 문제점들이 어떻게 해결되는지 설명한다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.408-413
• /
• 2020

본 논문은 아고다 사이트의 호텔 정보를 크롤링하여 사용자의 선호 호텔을 구글에서 제공하는 Tensorflow로 인공신경망 딥러닝 학습하여 사용자가 선호하는 호텔을 맞춤 추천하는 애플리케이션의 설계 및 구현에 대하여 서술한다. 본 애플리케이션은 해외(베트남) 호텔을 취향에 맞게 추천받을 수 있도록 만들어진 애플리케이션으로 기존의 필터링 방식으로 추천하는 방식의 애플리케이션들과 달리 사용자의 취향을 딥러닝 학습을 통해 파악하고 최적의 호텔 정보를 추천하는 기능을 제공한다. 본 애플리케이션에 사용된 선호 호텔 예측 모델은 약 84%의 정확도를 보이며 추천 별점으로 표시되어 사용자가 각 호텔에 대해 얼마만큼 선호도를 갖는지 알 수 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.1168-1171
• /
• 2021

일반적인 검색엔진을 가진 포털 환경에서 정보검색 시 사용자가 원치 않는 수많은 검색결과가 동반되기도 하고 자신의 취향에 맞는 글을 검색하지 않았다는 이유만으로 원하는 정보를 놓치는 상황도 일어난다. 이러한 검색환경의 문제를 개선하기 위해 본 논문에서는 사용자들의 검색환경 개선을 위한 맞춤형 검색결과 정렬, 검색어 추천, 게시글 추천의 추천 시스템을 설계하고 제작한다. 이러한 추천 시스템은 워드 임베딩 모델과 추천 시스템 모델을 포함한다. 기존에 존재하던 워드 임베딩 모델의 성능을 실험을 통해 비교 및 분석하고, 크롤링을 통해 모은 데이터로 성능을 24.98%P 개선하였다. 추천 시스템 모델은 RMSE 비교를 통해 최적이 알고리즘을 제안한다. 해당 기술을 통해 사용자 스스로 자신의 검색환경을 개선할 수 있도록 구현하는 것이 이 시스템의 목표이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.795-796
• /
• 2021

본 논문은 국내 스타트업의 상품-서비스에 적합한 해외 바이어를 찾아 맟춤형으로 추천해주는 시스템을 설계하고자 한다. 추천 알고리즘은 CNN 기반의 Word2Vec과 Doc2Vec 알고리즘을 활용하며, 정확도를 높이기 위해 시각정보를 활용한다. 추천 시스템에 사용되는 데이터는 비정형 데이타인 회사 소개 및 상품/서비스 소개 문장 데이터이며, 제품 사진을 시각정보로 이용한다. 유사도가 높은 순으로 추천하기 위해 문장데이타를 키워드 리스트로 변환하고, Word2vec 모델에 이식시켜 키워드 좌표를 만들어 벡터화한다. 그리고, 문장의 중심점간 거리를 계산해 기업간 유사성 및 연관성을 도출한다. 이를 바탕으로 국내 스타트업의 문장데이타 및 시각정보와 유사도가 높은 순으로 해외바이어를 추천한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.23-26
• /
• 2022

OTT 서비스의 이용자가 폭발적으로 증가하고 있는 지금, 사용자에게 맞춤형 상품을 추천하는 것은 해당 서비스에서 중요한 사안이다. 본 논문에서는 콘텐츠 기반 추천 시스템의 모델을 제안하고, 영화 데이터를 추가 해가며 예측력을 높일 최종적인 모델을 채택하고자 한다. 이를 위해 GroupLens와 Kaggle에서 영화 데이터를 수집하고 총 1111개의 영화, 943명의 사용자에게서 나온 71026개의 영화 평가 데이터를 이용하였다. 모델 평가 결과, 장르와 키워드만을 이용한 추천 시스템 모델의 RMSE는 1.3076, 단계적으로 데이터를 추가해 최종적으로 장르, 키워드, 배우, 감독, 나라, 제작사를 이용한 추천 시스템 모델의 RMSE는 1.1870으로 모든 데이터를 추가한 모델의 예측력이 더 높았다. 이에 따라 장르, 키워드, 배우, 감독, 나라, 제작사를 이용해 구현한 모델을 최종적인 모델로 채택, 무작위로 추출한 한 명의 사용자에 대한 영화 추천 리스트를 뽑아낸다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.445-447
• /
• 2023

최근, 환자의 현재와 과거 방문 정보(즉, 환자가 현재와 과거 각 방문에서 진단 받은 질병들과 수술들)를 활용하여 환자 임베딩을 획득한 뒤, 환자의 현재 방문에서 효과적인 의약품들을 추천해주는 의약품 추천 연구들이 활발하게 진행되고 있다. 이들은 환자 임베딩을 획득하기 위해, 현재와 과거 방문 정보를 유형 별(즉, 질병과 수술 별)로 각각 융합하여 하나의 질병과 수술 임베딩으로 나타낸 뒤 이 두 임베딩을 융합한다. 이로 인해, 방문 정보 유형 별 임베딩을 융합하는 방법은 의약품들을 추천하는데 있어서 큰 영향을 미칠 수 있다. 그러나 지금까지 방문 정보 유형 별 임베딩을 어떻게 융합하는 것이 환자에게 의약품들을 추천하는데 가장 효과적인지 탐구한 연구는 없다. 따라서, 본 논문에서 우리는 실세계 데이터 집합을 활용한 실험을 통해 방문 정보 유형들 간의 다양한 융합 방법들 중 어떠한 방법이 추천 정확도 개선에 가장 효과적인지 비교하고 분석하여 환자에게 가장 효과적인 의약품들을 추천해주고자 한다.