• KIPS Transactions on Software and Data Engineering
• /
• v.5 no.6
• /
• pp.261-266
• /
• 2016

Chart suggestion method provided by various existing data visualization tools makes chart recommendations without considering the user intention. Data visualization is not properly carried out and thus, unclear in some tools because they do not follow the segmented quantitative data classification policy. This paper provides a guideline that clearly classifies the quantitative input data and that effectively suggests charts based on user intention. The guideline is two-fold; the analysis guideline examines the quantitative data and the suggestion guideline recommends charts based on the input data type and the user intention. Following this guideline, we excluded charts in disagreement with the user intention and confirmed that the time user spends in the chart selection process has decreased.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.23-26
• /
• 2015

도서 정보 양이 급증하면서 사용자 성향과 선호도에 맞는 정보를 추천해주는 서비스의 중요성이 높아지고 있으며, 이와 관련하여 도서를 추천해주는 플랫폼 연구가 활발하게 진행되고 있다. 독자에게 성향과 선호도에 맞는 추천을 해주기 위해서는 사용자, 도서, 저자 등을 대상으로 하는 분석이 필요하며, 분석된 정보를 사용자에게 직관적으로 제공해주는 것이 필요하다. 따라서 본 논문에서는 저자에 대한 도서 정보를 시계열적으로 분석하고, 분석된 결과를 사용자에게 직관적으로 제공하는 시각화 방법을 제안한다. 제안한 방법은 저자의 도서를 시계열 방식으로 분석하고, 이를 시간 시각화와 레이더차트를 사용하여 도서정보를 제공한다. 또한 시간 시각화와 레이더 차트를 통해 두 저자의 도서 일대기와 분류의 변화를 직관적으로 확인할 수 있다.

• Journal of the Korea Society of Computer and Information
• /
• v.18 no.10
• /
• pp.23-37
• /
• 2013

In this paper, the proposed movie recommender system constructs trust network, which is similar to social network, using user's trust information that users explicitly present. Recommendation on items is performed by using relation degree between users and information of recommended item is provided by a visualization method. We discover the hidden relationships via the constructed trust network. To provide visualized recommendation information, we employ Freebase which is large knowledge base supporting information such as movie, music, and people in structured format. We provide three visualization methods as the followings: i) visualization based on movie posters with the number of movies that user required. ii) visualization on extra information such as director, actor and genre and so on when user selected a movie from recommendation list. iii) visualization based on movie posters that is recommended by neighbors who a user selects from trust network. The proposed system considers user's social relations and provides visualization which can reflect user's requirements. Using the visualization methods, user can reach right decision making on items. Furthermore, the proposed system reflects the user's opinion through recommendation visualization methods and can provide rich information to users through LOD(Linked Open Data) Cloud such as Freebase, LinkedMDB and Wikipedia and so on.

• Journal of the Korea Society of Computer and Information
• /
• v.19 no.8
• /
• pp.73-81
• /
• 2014

This study proposed development method for practical use techniques compromise data storage layer, data processing layer, data analysis layer, visualization layer. Data of storage, process, analysis of each phase can see visualization. After data process through Hadoop, the result visualize from Mahout. According to this course, we can capture several features of customer, we can choose recommendation of financial item on time. This study introduce background and problem of big data and discuss development method and case study that how to create big data has new business opportunity through financial item recommendation case.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.14-17
• /
• 2015

오늘날 인터넷의 발달과 전자 책(e-Book) 시장규모가 커짐에 따라 온라인을 통한 도서 정보 제공이 증가하고 있다. 하지만 현재 도서 정보나 도서 추천을 제공하는 온라인 사이트들은 기본 서지 정보만을 위주로 제공하고 있어 도서 본문을 활용한 정보 제공 및 추천 시스템의 필요성이 증가하고 있다. 따라서 본 논문에서는 도서 본문을 활용한 정보 제공 및 개인 맞춤형 추천을 위해 '도서 정보 본문텍스트 통합 마이닝 기반 사용자 참여형 시각화 및 추천 큐레이션 플랫폼'을 제안하고, 이를 구축하였다. 제안한 서비스 플랫폼은 독자에게 다양한 방법으로 도서 정보를 제공하며, 독자는 적은 시간으로 많은 정보를 얻을 수 있도록 하여 사용자의 도서 선택의 폭을 넓혀줄 것이다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• 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.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.636-638
• /
• 2023

Covid19의 세계적 유행 이래로 긴 일정의 해외여행이 감소하고 국내 여행의 수요가 꾸준히 증가하는 추세이다. 현재 다수의 국내 여행 숙박 플랫폼은 가성비 측면으로 이용자가 숙박업소를 선택하고 소비자와 업체를 연결해주는 과정에서 수수료를 얻는 상업적 모델이다. 본 논문에서는 가격 경쟁 중심의 기성 시스템이 아닌, 여행자 개인의 가치를 맞춤화하고 공익의 목적으로 업체를 홍보하는 시스템을 제안한다. 이 시스템은 웹 기반의 시스템을 구현하여 여행자에게 개인 가치에 맞는 업소를 맞춤형으로 추천하고 해당 업소에 대한 평가 지표를 시각화하여 제공한다. 본 시스템은 맞춤형 업소 추천과 평가 지표 제공을 위해 소비자의 리뷰 데이터를 사용한다. 텍스트 데이터를 분석하고 해당 데이터를 다중 분류를 통해 업소에 대한 평가 지표별 점수를 산정한다. 본 시스템은 여행자에게 다양한 관광지와 관광 업소를 추천함으로써 지역 관광을 유도하고 해당 여행지 업소와 지역 경제에 도움을 줄 것이라고 기대된다. 본 논문에서 제안된 기법은 오픈소스로 공개되었다[1].

• The KIPS Transactions:PartD
• /
• v.15D no.4
• /
• pp.463-474
• /
• 2008

The advancement of information technology and the popularization of Internet has explosively increased the amount of multimedia contents. Therefore, the requirement of multimedia recommendation to satisfy a user's needs increases fastly. Up to now, CF is used to recommend general items and multimedia contents. However, general CF doesn't reflect visual characteristics of image contents so that it can't be adaptable to image recommendation. Besides, it has limitations in new item recommendation, the sparsity problem, and dynamic change of user preference. In this paper, we present new image recommendation method FBCF (Feature Based Collaborative Filtering) to resolve such problems. FBCF builds new user profile by clustering visual features in terms of user preference, and reflects user's current preference to recommendation by using preference feedback. Experimental result using real mobile images demonstrate that FBCF outperforms conventional CF by 400% in terms of recommendation ratio.

• Knowledge Management Research
• /
• v.21 no.3
• /
• pp.27-44
• /
• 2020

In order to solve the user's information overload problem, recommender systems infer users' preferences and suggest items that match them. The collaborative filtering (CF), the most successful recommendation algorithm, has been improving performance until recently and applied to various business domains. Visual information, such as book covers, could influence consumers' purchase decision making. However, CF-based recommender systems have rarely considered for visual information. In this study, we propose VizNCS, a CF-based deep learning model that uses visual information as additional information. VizNCS consists of two phases. In the first phase, we build convolutional neural networks (CNN) to extract visual features from image data. In the second phase, we supply the visual features to the NCF model that is known to easy to extend to other information among the deep learning-based recommendation systems. As the results of the performance comparison experiments, VizNCS showed higher performance than the vanilla NCF. We also conducted an additional experiment to see if the visual information affects differently depending on the product category. The result enables us to identify which categories were affected and which were not. We expect VizNCS to improve the recommender system performance and expand the recommender system's data source to visual information.