• 지능정보연구
• /
• 제14권2호
• /
• pp.63-82
• /
• 2008

추천시스템은 정보 과부하의 문제를 해결하기 위해 폭넓게 사용되어지고 있다. 지난 수십년 동안 다양한 추천시스템이 정보량이 그것을 처리할 수 있는 능력보다 더 빠르게 증가하게 됨에 따라 개발되어져 왔다. 이 같은 상황에서 본 연구의 목적은 기 개발된 추천시스템을 분석하여 시스템적 관점을 제공하고 이를 구현하는데 따르는 기본적인 이슈들을 밝히는 것이다. 이를 통하여 추천시스템의 개선을 위한 유용한 정보를 제안하며, 시스템 개발자들에게는 그러한 시스템을 개선하기 위한 아이디어를 제공하고자 한다. 특히 본 연구는 추천시스템의 이론적 관점에 집중하는데, 이를 위해 과거 추천시스템의 도메인과 목표, 주요 방법 및 평가 방법에 대해서 다루고자 하며, 이 결과는 통계치나 도표 등의 형태로 보이려고 한다.

• 정보과학회 논문지
• /
• 제44권9호
• /
• pp.908-917
• /
• 2017

웹 서비스 기술이 각광받고 그 사용이 확대됨에 따라, 복잡하고 동적인 서비스 환경에서 사용자에게 적절한 서비스를 추천하는 방법에 대한 연구가 활발히 진행되고 있다. 또한 효과적인 서비스 매쉬업 개발을 위해 서비스를 추천하는 방법이 제안되었으나, 기존의 매쉬업 단위 서비스 추천 방식은 여러 매쉬업 개발자의 성향을 분석하여 그에 맞는 서비스를 추천하지는 못하였다. 이에 본 논문에서는 매쉬업 개발자들이 만든 서비스 매쉬업의 집합들과 추천 대상 개발자의 매쉬업 집합 사이의 유사도를 측정하고 유사한 매쉬업 집합들로부터 서비스를 추천하는 방법을 제안한다. 그리고 ProgrammableWeb에서 수집된 매쉬업 데이터로 실험한 결과를 비교 분석하여 본 연구의 방법이 사용자 기반 협업 필터링 알고리즘보다 높은 정확도와 재현율을 보임을 확인하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2010년도 하계학술대회
• /
• pp.142-145
• /
• 2010

본 논문에서는 사용자의 12가지 감성 정보와 음악의 8가지 무드 카테고리를 기반으로 음악을 추천해주는 시스템을 구현하였다. 사용자의 감성과 음악의 무드를 기반으로 음악을 검색하기 위해 전공자 집단 5명과 비전공자 집단 13명, 총 18명으로부터 감성 히스토리 정보와 무드 분류 정보를 얻었다. 감성 히스토리 정보는 참여자가 자신의 감성 정보를 지정하고 어떤 음악을 들었는지를 나타내며, 무드 분류 정보는 각 곡이 어떤 무드를 갖는지를 나타낸다. 위에서 얻어진 정보를 바탕으로 사용자의 감성 정보를 기반으로 3가지 각기 다른 추천 알고리즘을 구현했다. 첫 번째 알고리즘은 사용자 감성 정보를 기반으로 얻어진 유사도 곡 리스트 중 1위곡의 무드 정보를 이용하여 음악을 추천한다. 두 번째 알고리즘은 첫 번째 알고리즘에서 1위곡부터 20위곡까지의 무드 정보를 이용하여 음악을 추천한다. 마지막 추천 알고리즘은 사용자 감성 정보를 기반으로 얻어진 유사도 곡 리스트를 등록된 사용자들이 가장 많이 들었던 순서대로 정렬하여 음악을 추천한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2018년도 춘계학술대회
• /
• pp.75-78
• /
• 2018

최근 디지털 음반시장의 성장으로, 들을 수 있는 음악의 양이 기하급수적으로 늘어나고 있다. 이로 인해 온라인 음원 서비스 이용자들은 마음에 드는 음악을 선택하는데 어려움을 겪고, 많은 시간을 낭비하게 되었다. 본 논문에서는 온라인 음원 서비스 이용자들이 겪는 선택의 어려움을 최소화하고, 낭비되는 시간을 줄이기 위한 추천 기법을 제안하고자 한다. 제안하는 기법은 개인정보의 이용 없이 아이템을 추천할 수 있는 아이템 기반 협업필터링 알고리즘을 사용한다. 더 정확한 추천을 위해 음원의 메타데이터를 이용하여 사용자의 선호도를 예측하고 선호도가 높은 Top-N개의 음악을 최종적으로 추천한다. 실험을 통해 제안하는 기법이 메타데이터를 이용하지 않을 때보다 추천 성능이 향상되는 것을 확인하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제51차 동계학술대회논문집 23권1호
• /
• pp.51-54
• /
• 2015

추천 시스템의 대표적인 연구 중 하나인 콘텐츠 기반 추천 시스템 연구는 TV 프로그램이나 영화의 줄거리, 장르, 리뷰 등의 콘텐츠의 메타데이터를 이용한다. 그러나 이러한 연구들은 콘텐츠 관련 정보에만 의존할 뿐, 시청자의 프로파일과 콘텐츠의 정보를 함께 고려하지 않는다. 본 논문에서는 시청자의 프로파일 중 연령과 콘텐츠의 정보인 프로그램의 줄거리를 활용한 TV 프로그램 추천 시스템을 제안한다. 본 추천 시스템은 시청자를 연령에 따라 분류한 후, LDA 알고리즘을 이용하여 시청자의 시청 TV 프로그램의 줄거리를 분류된 나이에 따라 각각의 줄거리 토픽 모델로 생성한다. 이를 기준으로 시청자가 원하는 시간대에 방송되는 프로그램들의 줄거리 토픽벡터와 시청자의 선호도 토픽벡터의 유사도를 비교해 가장 유사도가 높은 TV 프로그램을 시청자에게 추천하는 방식이다. 본 논문에서는 연구의 효용성을 검증하기 위해 줄거리만을 사용한 경우와 줄거리와 연령을 동시에 활용한 경우를 비교 실험하였다. 실험을 통해 프로그램의 줄거리만을 사용한 경우보다 연령을 동시에 활용한 경우의 추천 시스템 성능이 개선된 것을 확인할 수 있었다.

• 한국전자거래학회지
• /
• 제14권4호
• /
• pp.167-179
• /
• 2009

본 논문에서는 태그 온톨로지를 이용하여 표준화된 태그를 추천할 수 있는 기법을 제안하였다. 태그 추천 기법은 기존에 생성된 대량의 문서 집합을 대상으로 자동 태깅하기 위한 기법(TWCIDF)과 신규 문서를 대상으로 태그를 추천하기 위한 기법(TWCITC)으로 구성된다. 태그집합은 전처리 과정, 태그 온톨로지를 이용한 표준화 작업, 자동 태깅 및 추천을 위한 랭킹 부여과정을 거쳐 구성된다. 전처리 과정에서는 의미있는 복합명사를 찾기 위한 용어결합과정을 사용하였고, 표준화 작업 과정에서는 용어의 오탈자 및 유사용어를 처리하였다. 본 논문에서 제안한 기법의 실험 결과, 추천 태그의 정확성을 유지하면서도 실시간으로 자동태깅 및 태그 추천이 가능함을 보여주었다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권3호
• /
• pp.306-310
• /
• 2008

정보추천 서비스를 위한 선호도는 상황에 따라 달라질 수 있으므로, 정보추천 서비스를 제공하기 위해서는 먼저 사용자의 컨덱스트 정보를 알아야 한다. 본 논문은 모바일 환경에서 다수 사용자의 선호도를 고려한 추천 시스템을 제안하며, 음식점 추천에 이를 적용하고자 한다. 모바일 환경에서 개별 사용자의 선호도를 모델링하기 위해 베이지안 네트워크를 사용하였으며, 음식점 추천은 많은 경우 개별 사용자가 아닌 다수 사용자의 선호도를 고려해야 하므로, 본 논문에서는 개별 사용자의 선호도를 바탕으로 다수의 선호도를 획득하기 위해 다기준 의사결정방법인 AHP를 이용하였다. 실험을 위해서 10가지 서로 다른 상황에서 추천을 수행하였으며, 마지막으로 SUS 사용성 평가를 통해 제안하는 시스템의 사용성이 높게 평가되었음을 확인하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 가을 학술발표논문집 Vol.33 No.2 (D)
• /
• pp.385-390
• /
• 2006

모바일 환경이 언제, 어디서든지 원하는 서비스나 콘텐츠에 접근할 수 있다는 장점에도 불구하고, 모바일 단말기는 여러 가지 취약한 단점들을 가지고 있다. DMB, 인터넷, 모바일 등에 대한 콘텐츠 또는 정보의 양이 거대하게 증가하면서 사용자는 때때로 자신이 원하는 콘텐츠를 찾는데 어려움을 겪게 되며, 많은 시간을 소비하게 된다. 발전하는 모바일 환경 및 단말기의 장점을 최대한 이용할 뿐만 아니라 모바일 단말기가 가지는 제약 사항들의 한계를 극복하여 사용자가 원하는 정보 및 콘텐츠를 언제 어디서나 빠른 시간에 이용할 수 있는 모바일 환경에 적합한 추천시스템의 필요성은 증가하고 있다. 본 논문에서는 기존의 서버 중심의 추천시스템을 개선하여 클라이언트와 서버간의 데이터 교환을 통하여 추천 정확도를 높일 수 있는 추천시스템 구조를 제안한다. 제안하는 시스템은 사용자의 히스토리를 이용하며, 클라이언트에서는 모바일 단말기 사용자만의 히스토리를 이용한 추천 알고리즘을 적용하였고, 서버에서는 협업 필터링을 통해 다른 사용자의 히스토리를 이용한 추천 알고리즘을 적용하였다. 실험 결과는 서버 중심의 추천시스템 보다 더 높은 정확도를 제공할 수 있다는 것을 보여준다.

• 스마트미디어저널
• /
• 제5권2호
• /
• pp.84-89
• /
• 2016

스마트폰이나 태블릿 PC와 같이 GPS를 탑재한 모바일 기기 보급으로 위치 기반 정보는 모바일 생활의 필수 요소로 자리잡았다. 이제 사용자들은 더 나아가 개인별 성향에 따른 맞춤형 정보를 원하고 있다. 개인 맞춤형 추천을 위해서는 사용자의 행동을 이해하는 것이 필요한데 실생활에 많은 부분을 차지하고 있는 음식점 방문도 맞춤형 추천 서비스를 제공해 줄 수 있다. 본 논문에서는 음식점 방문에 대한 비슷한 태도를 보인 사용자를 추출한 후 방문했던 장소를 비교하여 추천하는 사용자 행동기반 다속성 태도 모델 기반의 장소 추천 모델을 연구한다. 다속성 태도점수를 산출하기 위해 피쉬바인(Fishbein) 방정식을 활용하고 피어슨 상관계수를 이용하여 사용자들이 방문했던 장소의 중 유사한 속성을 가진 장소를 추출했다. 그리고 그룹렌즈의 선호도 예측 알고리즘을 활용하여 추천 대상 장소를 선정하고 유클라디안 거리법으로 사용자에게 거리기반 장소를 추천하였다. 또한 실제 데이터를 이용한 실험을 통해 본 논문에서 제시한 시스템의 우수성도 입증하였다.

• 스마트미디어저널
• /
• 제13권1호
• /
• pp.67-75
• /
• 2024

최근 검색사이트의 인공지능 기반 제품 추천 서비스의 도입이 늘어나고 있는 추세이다. 본 연구는 인공지능 기반 제품 추천에 대한 소비자의 반응 및 광고효과를 이해하고자 브랜드의 특성과 소비자 성향에 따라 AI 상품추천에 대한 소비자의 반응이 어떻게 달라지는지 연구하였다. 본 연구는 대학생을 대상으로 실험연구를 진행하였으며 브랜드 명성(높음 vs.낮음)과 비교성향수준(높음 vs.낮음)이 AI가 추천한 상품의 브랜드태도 및 구매의향에 미치는 영향을 검증하였다. 본 연구 결과 브랜드 명성과 비교성향 수준은 AI가 추천한 상품의 브랜드 태도에 영향을 미치는 것으로 나타났다. 본 연구의 결과는 AI 상품추천 서비스에 대한 소비자의 반응을 보다 세부적으로 이해하고 효과에 영향을 미치는 잠재적 요인들을 검증하였으며 AI를 활용한 서비스 전략 수립에 유용한 시사점을 제공하는 데 의의가 있다.