• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.93-96
• /
• 2021

본 논문에서는 공공데이터를 이용한 개인 맞춤형 부동산 추천 방식을 제안한다. 이 추천 서비스는 기존의 가격 중심의 부동산 추천 방식이 아닌 개인이 원하는 요소 통해 부동산을 추천함으로써 사용자의 만족도를 높인다. 이 모델은 사용자가 실거주를 목적으로 하는 부동산 매물을 탐색하고자 할 때 거래 유형, 매물 유형, 가격 정보 뿐만 아니라 사용자가 자신의 주거지 근처에 형성되어 있길 원하는 편의 시설이나 기반시설, 치안 등의 환경 요소를 선택할 수 있도록 하고 선택된 요소들을 통합적으로 분석하여 주거지를 추천한다. 본 논문에서는 직접 구현한 서비스를 통해서 제안하는 새로운 맞춤형 부동산 추천 모델이 기존의 가격 중심의 부동산 추천 서비스보다 편의성 면에서 우수함을 보인다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2020년도 제32회 한글 및 한국어 정보처리 학술대회
• /
• pp.481-485
• /
• 2020

AI와 사용자간의 대화를 통해 사용자의 요구사항을 파악하고, 해당 요구사항에 적합한 상품을 추천하는 형상을 인터랙션 기반 추천 시스템의 한 예로 볼 수 있다. 우리는 해당 시스템 개발을 위하여 의상 코디셋 추천을 위한 대화 기반 데이터셋을 구축하였다. 데이터셋은 대화와 의상 추천 절차를 반복하여 사용자가 원하는 의상셋을 찾아가는 내용으로 구성된다. 그리고, AI의 코디셋 추천 기술 검증을 위해 두가지 의상 추천 평가셋을 제안한다. 본 논문은 대화 데이터셋 및 관련 평가셋의 개발 절차 및 구성에 대하여 기술하고, 관련된 실험 결과 일부를 보여준다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2019년도 제31회 한글 및 한국어 정보처리 학술대회
• /
• pp.514-518
• /
• 2019

기존의 교차 도메인 추천은 일반적으로 서로 다른 도메인 데이터의 지식 결합이나 지식 공유를 바탕으로 진행된다. 이러한 방식들은 최소 한 개 이상의 도메인 데이터가 필요해서 모든 도메인의 피드백 데이터가 없는 실제 서비스 초기 상황에는 적합하지 않을 수 있다. 따라서 본 논문에서는 서비스 초반 모든 도메인의 피드백 데이터가 없고 콘텐츠 데이터만 존재하는 상황에서 교차 도메인 추천 시스템을 효과적으로 시작하기 위해 텍스트 임베딩, 클러스터링, 프로파일링 및 콘텐츠 기반 필터링을 활용한 추천 시스템 구성을 제안하고자 한다. 평가를 위해 여행지, 지역 축제, 공연을 포함하는 문화 관광 데이터와, 이에 대한 사용자 프로파일링 결과를 바탕으로 추천을 진행하였다. 그 결과, 콘텐츠 임베딩에 대한 유사도를 시각화하여 교차 도메인 아이템 간 유사성을 확인할 수 있었고, 사용자별 추천 결과를 통해 제안한 교차 도메인 추천 시스템이 유의미하게 동작함을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.552-554
• /
• 2023

웹소설 시장의 성장에 따라 웹소설 추천 시스템의 중요성이 높아지고 있다. 본 연구에서는 작품의 특성 및 선호도를 나타낼 수 있는 다양한 데이터를 활용하여 추천시스템을 구현하고 그 성능을 평가하여 표지 이미지와 작품 특성을 모두 고려한 멀티 모달 추천 시스템이 가장 효율적임을 보여주었다. 연구 결과, 단일 변수 추천에서는 작품 소개글과 표지 이미지 기반 추천이 가장 좋은 성능을 보였고, 멀티 모달 추천 시스템에서는 작품 소개글, 이미지, 키워드 순으로 성능에 좋은 영향을 끼치는 것으로 나타났다. 이번 연구 결과는 한국콘텐츠진흥원에서 조사한 웹소설 이용자 실태조사와는 조금 다른 결과를 보여주었다. 설문조사에서는 인기도를 웹소설 선택 시 가장 중요한 영향으로 봤으나, 본 연구에서는 작품 소개글이 가장 중요한 영향을 미친다는 결과가 나타났다. 이러한 연구 결과는 웹소설 추천 시스템의 개발과 운영에 있어서 중요한 참고 자료가 될 것으로 예상된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.453-455
• /
• 2023

의약품 추천 방법은 환자의 현재 건강 상태가 주어졌을 때, 해당 환자에게 효과적이면서도 안전한 의약품들을 추천해주기 위한 방법이다. 최근 의약품 추천 방법들은 환자에게 효과적이면서도 안전한 의약품들을 추천해주기 위해, 환자의 방문 정보(즉, 환자에게 진단된 질병, 수술 정보) 뿐만 아니라 의약품들 간의 (1) 동시 처방 여부 관계와 (2) 부작용 유발 관계를 추가적으로 활용하고 있다. 구체적으로, 이들은 의약품들 간의 두 관계를 각각 임베딩으로 나타낸 뒤 하나의 임베딩으로 융합하여 활용한다. 그러나 기존 의약품 추천 방법들은 이 두 임베딩을 융합하는데 있어서, 두 임베딩 간의 관계를 깊게 고려하지 않고 단순히 뺄셈 연산을 적용하고 있다. 따라서 본 논문에서는 실세계 데이터 집합을 활용하여, 의약품들 간의 두 관계에 대한 임베딩들을 다양한 방법을 통해 융합한 뒤각 방법이 추천 정확도에 어떠한 영향을 미치는지 비교 및 분석하여 더욱 정확한 의약품 추천을 제공하고자 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.16-18
• /
• 2023

본 연구는 궤적 데이터(trajectory data)를 대상으로 증강 그래프 기반의 그래프 뉴럴 네트워크를 활용하여 다음에 방문한 장소를 추천하는 모델을 제안한다. 제안 모델은 전체 궤적 데이터를 그래프로 표현하여 추출한 글로벌 궤적 플로우의 특성을 다음 방문할 POI 추천에 활용한다. 이때, POI 추천시 자주 발생하는 두 가지 문제를 추가로 해결함으로써 POI 추천의 정확도를 높이는 것을 목표로 한다. 첫 번째 문제는 추천 대상 궤적 데이터의 길이가 짧은 경우에 성능 저하가 발생한다는 것이다. 두 번째 문제는 콜드-스타트 문제이다. 기존 POI 추천 모델은 매우 적은 방문 기록만 가지는 사용자 또는 POI에 대해서는 매우 낮은 예측 성능을 보인다. 본 연구에서는 궤적 그래프에서 일부 엣지를 삭제하여 생성한 증강 그래프 기반의 궤적 플로우 특징 기반 모델을 제안함으로써 짧은 길이의 궤적 데이터 및 콜드-스타트 사용자/POI에 대한 추천 성능을 높인다.

• 영재교육연구
• /
• 제24권4호
• /
• pp.577-595
• /
• 2014

본 연구는 영재교육 대상자 선발 방법으로서 또래추천의 가능성을 알아보고 이를 통해 영재 선발에 다양한 시각을 제공하고자 한다. 연구대상은 경기도 있는 D초등학생 4, 5, 6학년 학생 355명과 J초등학생 4, 5, 6학년 학생 165명과 각 반의 담당 교사 16명이다. 연구를 위해 또래추천 학생과 미추천 학생간의 창의적 인성, 성취동기, 문제해결 성향 및 과제선호검사에서 차이를 조사하였다. 본 연구의 결과는 다음과 같다. 첫째, 또래추천 학생과 미추천 학생들 간의 창의적 인성, 성취동기, 문제해결 성향 및 과제 선호는 또래추천 학생이 미추천 학생에 비해 유의미하게 높게 나타났다(p<.05). 하위영역별로 비교하여 보았을 때는 창의적 인성의 심미성을 제외하고 모두 또래추천 학생들이 유의미하게 높았다. 둘째, 학년별 또래추천 학생과 미추천 학생들 간의 창의적 인성, 성취동기, 문제해결 성향, 과제 선호검사에서는 5, 6학년은 모두 또래 추천 학생이 유의미하게 높게 나타났다(p<.05). 4학년 학생은 창의적 인성을 제외하고 또래추천 학생이 모두 유의미하게 높게 나타났다. 셋째, 교사 및 또래로부터 모두 추천받은 학생과 교사 추천만 받은 학생의 창의적 인성, 성취동기, 문제해결 성향 및 과제 선호를 비교해 보았을 때, 동료 및 교사 모두에게 추천받은 학생이 교사에게만 추천받은 학생보다 문제해결 성향 및 과제선호에서 유의미하게 높게 나타났다(p<.05). 따라서 초등영재교육 대상자 선발에서 또래 추천 방법은 교사추천을 보완하는 유용한 자료로 이용될 수 있을 것이다.

• Journal of the Korean Data and Information Science Society
• /
• 제24권4호
• /
• pp.803-813
• /
• 2013

전자상거래에서 상품의 구입은 오프라인에서 구매하는 방식과는 차이가 있다. 오프라인에서 상품추천은 판매원의 추천에 의해 이루어지지만 온라인에서 상품 추천은 판매원이 상품 추천을 할 수가 없기 때문에 오프라인과는 다른 형태의 상품을 추천하게 된다. 추천시스템은 온라인 상거래에서 상품을 추천하는 방법으로 기존 상품을 구입한 고객의 선호도를 기반으로 상품을 구입하려는 고객의 선호도를 예측하여 추정된 선호도가 높은 상품을 고객에게 추천하는 방법이다. 협력적 필터링 알고리즘은 전자상거래의 상품추천 추천시스템에 사용되며 추정된 값들로 추천 상품 목록을 만들고 그 목록을 고객에게 추천을 하는 것이다. 이 논문에서 사용된 데이터집합은 Movielens 데이터집합인 100k 데이터집합과 1 million 데이터집합이며 일반화를 위해 2개의 데이터집합에서 유사한 결과를 도출하여 일반화시키고자 한다. 영화 추천시스템의 새로운 알고리즘을 제안하기 위해 기존의 알고리즘과 변형된 알고리즘에 의해 추정된 추정값들의 분포 특징을 분석과 응답자별로 분류해서 응답자별 분포의 특징을 분석하였다. 이 논문에서는 이웃기반 추천시스템 협력적 필터링 알고리즘을 개선하기 위해 기존의 알고리즘과 변형된 알고리즘을 바탕으로 새로운 알고리즘을 제안하였다.

• 정보처리학회논문지D
• /
• 제9D권2호
• /
• pp.329-336
• /
• 2002

인터넷 환경의 급속한 발전과 함께 이를 이용한 전자상거래가 빠르게 증가하고 있다. 증가하는 전자상거래 환경에서 고객에게 필요한 제품을 신속히 제공하고, 제품판매를 증가시킬 수 있는 새로운 전자상거래 시스템의 필요성이 점차 커지고 있다. 이러한 필요성에 의해서 최근에 추천시스템에 대한 많은 연구가 이루어지고 있다. 하지만 지금까지의 추천시스템은 고객의 구매데이터가 증가하면 고객에게 추천을 제공하는데 많은 시간이 소요되어 실시간 추천이 어렵다는 큰 단점을 가졌다. 따라서, 이 논문은 전자상거래 시스템의 경쟁력을 높이는 방안으로 협동적 필터링을 이용한 추천시스템을 연구하고, 성능을 개선하기 위해서 추천에 사용되는 데이터를 제품의 대표장르를 이용하여 줄임으로서 추천소요시간을 단축하여 실시간 추천이 가능한 개선된 추천시스템을 제안하고 실험하였다. 또한 개선된 추천시스템을 Enterprise JavaBeans로 구현함으로서 분산환경에서 사용할 수 있는 전자상거래시스템을 설계하여 경쟁력있는 전자상거래 시스템 환경을 제공하고자 한다.

• 한국지능시스템학회논문지
• /
• 제25권5호
• /
• pp.431-436
• /
• 2015

오늘날 수많은 TV 프로그램들이 방송됨에 따라 TV 프로그램을 추천해주는 추천 시스템에 관한 연구가 시작되었으며, 추천의 정확도를 더욱 높이기 위한 연구가 현재도 활발히 진행 중이다. 추천 시스템은 장르, 줄거리 등과 같은 메타데이터를 사용하여 TV 프로그램을 추천하거나, TV 프로그램에 대한 시청자의 선호도를 계산하여 TV 프로그램을 추천한다. 본 논문에서는 추천의 정확도를 높이고자 시청비율, 종료시간과의 관계, 최근시청이력 등 시청시간의 여러 패턴을 추가로 사용하여 선호도 계산에 활용하는 협업 필터링 TV 프로그램 추천 시스템을 제안한다. 연구의 효용성을 검증하기 위해 시청시간패턴의 모든 요소를 선호도 계산에 활용한 경우와 단순히 시청자가 가장 많이 시청하는 채널을 추천하는 경우의 협업 필터링 추천 결과를 비교하였다. 실험을 통해 시청시간패턴 모든 요소를 같이 선호도 계산에 활용한 경우의 성능이 증가한 것을 확인할 수 있었다.