• 한국산업정보학회논문지
• /
• 제12권4호
• /
• pp.65-73
• /
• 2007

본 연구는 추천시스템에서 협력적 필터링 알고리즘인 이웃기반의 협력적 필터링 알고리즘과 대응평균 알고리즘의 선호도 예측 결과를 이용하여 예측결과의 순위 일치성과 실제 고객에 상품 추천인 Top-N 추천의 정확도에 대하여 연구하였다. 연구결과 대응평균 알고리즘에 의한 선호도 예측 정확도의 순위 일치성과 예측치를 이용한 Top-N 추천의 정확도가 기존의 이웃기반의 협력적 필터링 알고리즘의 결과보다 우수함을 알 수 있었다. 이는 협력적 필터링 추천시스템에서 대응평균 알고리즘을 이용한 선호도 예측 결과를 이용하여 고객에게 상품추천을 하는 것이 이웃기반의 협력적 필터링 알고리즘을 이용하는 것보다 더 효과적이며 추천시스템에 대한 고객의 만족을 향상시킬 수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제15권8호
• /
• pp.141-148
• /
• 2010

모바일 단말기에서 사용자의 상황을 고려하고 사용자의 취향이나 특성을 반영하여 정보를 찾아주거나 추천하는 서비스 시스템은 개념적인 정보만을 제한적으로 추천한다. 또한 사용자의 특성에 따른 정보 선호도를 제공하지 않으므로 정확한 정보 추천의 어려운 단점이 있다. 따라서 본 논문에서는 사용자 특성에 따른 선호도를 고려하여 정확한 상황 정보를 추천 할 수 있는 개선된 k-means 알고리즘을 적용하여 사용자 특성에 따른 선호도 추천 시스템을 제안하였다. 본 연구에서는 사용자 특성에 따른 선호도를 상관 계수를 이용하여 구하고 사용자의 특성 선호도를 개선된 k-means 알고리즘을 이용하여 추천하였다. 제한적인 개념의 정보만을 제공하던 시스템에서 사용자의 특성에 따른 정보 선호도를 제공하여 정확한 정보를 추천하므로 제한된 정보 추천의 단점을 해결하였다. 성능 실험은 기존의 서비스 시스템들과 비교하여 정확도와 재현율로 대변되는 효과성을 측정하였으며, 성능 실험 결과 정확도는 85%, 재현율은 68%로 나타났다.

• 한국지능시스템학회논문지
• /
• 제16권2호
• /
• pp.156-163
• /
• 2006

협동적 여과(CF) 시스템은 구현의 용이성과 뛰어난 성능으로 널리 활용되고 있다. 그러나 이 시스템은 데이터 희소성 신상품 추천 불가, 추천 근거에 대한 설명 부족 등의 문제점을 포함하고 있어 이를 해결하기 위한 많은 연구가 진행되었다. 데이터 희소성 문제는 데이터의 누적에 따라 해결될 수 있지만, 협동적 여과 기법의 특성상 새로이 출시되는 품목에 대한 추천이 불가능하다. 이를 해결하기 위해 내용 기반(CB) 기법을 같이 사용하는 연구들이 제안되었다. 또한 협동적 여과 시스템은 추천 과정에 있어 추천 근거에 대한 설명을 제공하지 않는다. 본 연구에서는 추천에 대한 설명 기능을 포함하고 있는 선호 단어를 활용한 내용기반 예측 시스템을 제안한다. 이 시스템은 새로이 출시되는 영화에 대해 사용자의 영화에 대한 평가 정보를 예측하며, 추천의 근거가 되는 선호 단어를 제시한다. 또한 기존의 내용기반 예측 시스템에서 일어나는 속성 비매칭 문제로 인한 성능 저하를 막기 위해 기호 네트워크를 활용한 성능 개선 방법을 제안한다. 성능 비교를 위해 EachMovie 데이터베이스와 IMDb 사의 영화 홍보 데이터를 사용하였다.

• 한국정보통신학회논문지
• /
• 제21권2호
• /
• pp.277-284
• /
• 2017

사용자가 좋아할만한 콘텐츠를 정확하게 추천하는 것은 추천 시스템에서 매우 중요한 요소 중 하나이다. 원치 않는 콘텐츠를 추천하거나, 원하는 것을 추천하지 않는 것은 사용자 만족도 측면에서 안 좋은 영향을 끼친다. 본 연구에서는 콘텐츠의 정확한 추천을 위해 사용자 군집 기반 추천 시스템을 제안한다. 제안하는 알고리즘에서 사용자들의 실제 선호도 점수와 피어슨 상관 계수를 기반으로 사용자들을 여러 군집으로 나눈다. 이 후, 특정 사용자에게 어떤 콘텐츠의 추천 여부 결정은, 같은 군집 내에 있는 다른 사용자들의 해당 콘텐츠의 실제 선호도 점수를 근거로 정한다. 제안하는 알고리즘은 군집화를 사용하지 않는 아이템 기반 협력 필터링 알고리즘보다 정밀도, 재현율, F1 스코어와 같은 추천 정확도에 있어서 의미 있는 성능 향상을 보인다.

• 정보과학회 논문지
• /
• 제43권7호
• /
• pp.786-794
• /
• 2016

여러 사물 인터넷 기기들을 조합, 활용하여 다양한 서비스를 제공할 수 있게 된 환경에서 추천 시스템은 사용자가 원하는 서비스를 선택하는 데 있어 도움을 줄 수 있다. 기존의 추천 시스템에 대한 많은 연구는 주로 개인 사용자 대상의 추천에 집중되어 있으나 사물 인터넷 환경에서는 개인과 그룹 모두 사용자가 될 수 있으므로 그룹에 대한 추천 방법이 필요로 하다. 본 연구는 사물 인터넷 환경에서 그룹 사용자들의 서비스 선호도를 분석하고, 이를 바탕으로 특정 장소에서 서비스를 이용한 적이 없는 새로운 그룹 사용자에게 서비스를 추천할 수 있는 방법을 개발하였다. 본 연구에서는 그룹의 구성 정보를 기반으로 그룹들 간의 유사도를 측정하여 사용자 기반 협업 필터링을 적용하였다. 실험에서는 실제 사물 인터넷 테스트 베드 환경에서 수집된 데이터를 사용하였으며 실험 결과를 통해 제안한 서비스 추천 방법이 효과적임을 확인할 수 있었다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제21권10호
• /
• pp.670-679
• /
• 2015

최근 인터넷의 급 성장과 함께 사용자들은 물건이나 영화, 음악 등을 구매 할 때 여러 가지 추천 사이트를 활용한다. 하지만 이러한 추천 사이트에는 악의적으로 아이템의 평점을 높이거나 낮추려는 악의적인 사용자(Sybil)들이 존재할 수 있으며, 추천시스템에 영향을 끼쳐 일반 사용자들에게 부정확한 결과를 추천할 수 있다. 본 논문에서는 사용자들이 생성하는 평점들을 일반적인 평점과 일반적이지 않은 평점으로 구분하고, 상태 정보를 재정립 및 활용하여 악의적 사용자의 영향력을 최소화 하는 추천 알고리즘을 제안한다. 특히, 현재 추천시스템에서의 문제가 되고 있는 3가지 공격모델의 개별 특성을 고려하여 시빌 유형에 견고한 추천 시스템을 처음으로 제안한다. 제안하는 기법의 성능을 입증하기 위해 실제 데이터를 직접 수집(crawling)하여 성능분석결과 제안하는 기법의 성능이 기존 알고리즘과는 다르게 공격 크기 및 종류에 상관 없이 좋은 성능을 보이는 것을 확인 하였다.

• 서비스연구
• /
• 제8권4호
• /
• pp.31-51
• /
• 2018

본 기술의 발전과 인터넷 환경의 변화로 인터넷 기반의 동영상 제공 서비스인 OTT(Over-the-top) 서비스 시장이 빠르게 성장하고 이용자의 데이터를 바탕으로 맞춤형 정보 및 콘텐츠를 제공하는 개인화추천서비스에 대한 고객의 요가 커졌다. 본 연구는 OTT 서비스의 개인화추천서비스가 관계강화와 고객충성도에 미치는 영향을 분석하며, 나아가 콘텐츠 유형에 따라 개인화추천서비스가 가지는 의미의 차이를 확인하여 개인화추천서비스의 제공 방안을 제시하는 것을 목적으로 한다. 연구결과에 따르면 OTT 서비스의 개인화추천서비스는 관계강화를 매개로 고객충성도에 유의한 영향을 미치며, 고객이 주로 이용하는 콘텐츠의 형태 및 내용에 따라 개인화추천서비스가 관계강화와 고객충성도에 미치는 영향에 차이가 있다. 본 연구를 통해 개인화추천서비스는 고객과의 관계 형성 및 몰입을 유도하여 관계를 강화하는 도구로 활용될 수 있고 이는 고객충성도를 향상하며, 고객과의 소통이 활발한 콘텐츠일수록 개인화추천서비스의 제공이 충성도 향상에 크게 기여함을 알 수 있다.

• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.86-98
• /
• 2018

장소추천시스템은 시간과 장소가 주어졌을 때, 사용자에게 가장 흥미로운 장소를 추천해주는 시스템을 말한다. 스마트폰과 사물인터넷(IoT), 장소기반 소셜네트워크(LBSN)의 발달에 힘입어 사용자들의 방대한 양의 장소 방문 데이터를 축적하게 되었고, 이를 통해 특정한 시점에 사용자들이 원하는 장소를 적절히 추천해줄 수 있는 장소추천시스템의 중요성이 부각되었다. 장소추천시스템은 사용자의 방문(Check-in) 횟수라는 암시적 피드백(Implicit feedback) 데이터에서 사용자의 시퀀스 선호(Sequential preference)를 이끌어내어 높은 성능을 내기 위한 연구들이 제안되었다. 하지만 시퀀스 선호 정보를 활용하여 모델을 구성하는 경우, 데이터의 밀도가 더욱 희박해지고 이에 따라 적은 수의 데이터에 기반하여 구축되는 모델의 성능이 왜곡될 가능성이 존재한다. 본 연구에서는 신뢰도(Confidence)에 기반하여 방문 주기를 보정하는 방법론을 제안한다. 사용자의 시퀀스 선호 정보로부터 도출된 장소 간 방문 시간전이간격(temporal transition interval)을 활용하여 추천시스템을 구성할 때, 해당 방법론을 통하여 데이터의 왜곡을 보정함으로써 추천시스템의 성능을 향상하였다. 제안하는 방법의 효과를 검증하기 위하여, Foursquare와 Gowalla의 데이터셋을 이용한 비교실험을 통해 제안하는 방법론의 우수성을 보였다.

• 한국콘텐츠학회논문지
• /
• 제21권7호
• /
• pp.134-143
• /
• 2021

최근 모바일 기기 및 소셜 미디어 서비스의 발전으로 인해, 콘텐츠 추천 기법에 대한 연구들이 진행되고 있다. 그러한 콘텐츠 추천 기법들은 일반적으로 취업 큐레이션 시스템에 적용된다. 대부분의 기존 대학 교육 콘텐츠 추천 기법은 해당 학생의 학교, 전공 등을 바탕으로 가장 많이 수강한 과목만을 추천하기 때문에 각 학생이 원하는 취업의 형태나 분야 등이 고려되지 않는다. 본 논문에서는 취업 큐레이션 시스템 기반의 개인 맞춤형 교육 콘텐츠 추천 기법을 제안한다. 제안하는 기법은 사용자가 취업 큐레이션 시스템에서 활동한 내용을 바탕으로 사용자가 원하는 취업 형태와 취업 분야를 분석하여 관심 기업을 도출한다. 제안하는 기법은 도출된 관심 기업을 바탕으로 관심 기업에 취업한 졸업생들의 신뢰도와 유사도를 측정하여 참고할만한 졸업생을 선정하고 협업 필터링을 통해 사용자에게 맞춤형 교과목, 비교과목, 자율 활동 목록을 추천한다.

• 한국컴퓨터정보학회논문지
• /
• 제27권5호
• /
• pp.37-45
• /
• 2022

2020년 기준 대표적인 온라인 동영상 플랫폼인 유튜브에는 1분에 약 500시간의 동영상이 업로드되고 있다. 이에 업로드된 다수의 다양한 동영상을 통해 정보를 획득하는 사용자의 수가 늘고 있어 온라인 동영상 플랫폼들은 더 나은 추천 서비스를 제공하기 위해 노력하고 있다. 현재 사용되고 있는 추천 서비스는 사용자의 시청 기록을 기반으로 사용자에게 동영상을 추천하는데 이는 교육용 동영상과 같이 특정 목적 및 관심사를 다루는 동영상 추천에 좋은 방법이 아니다. 최근 추천 시스템은 사용자의 시청 기록뿐만 아니라 아이템의 콘텐츠 특징을 함께 활용한다. 본 논문에서는 유튜브를 기반으로 교육용 동영상 추천을 위한 교육용 동영상의 콘텐츠 특징을 추출하고, 이를 활용하는 추천 시스템을 설계하여 웹 애플리케이션으로 구현한다. 사용자들의 만족도를 조사하여 추천 시스템의 추천 성능의 만족도 85.36%, 편의성 만족도 87.80%를 보인다.