• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.667-669
• /
• 2005

유비쿼터스 시대를 향하여 나아가는 현대 사회에서 사람들을 위한 추천시스템은 필수 불가결한 요소 중의 하나이다. 추천 시스템 중에서 사용자의 성별, 나이, 직업 등의 인구 통계적 요소를 고려한 시스템이 주를 이루고 있지만 이러한 시스템에는 어느 정도의 한계가 있다. 추천에 있어서 사용자의 기분, 날씨, 온도 등 주변 환경의 상황이 반영되지 않고 있고 학습을 위한 데이터에 대한 신뢰도 또한 문제가 된다. 이러한 문제점을 해결하기 위해 본 논문에서는 상황정보(Context Information)와 공간 데이터 마이닝(Spatial Data Mining) 기법을 이용한 향상된 추천 시스템을 제안한다. 제안하는 시스템에서는 보다 정확한 추천을 위해 첫째, 날씨, 온도, 사용자의 기분 등의 상황정보를 고려하였다. 그리고 사용자의 유사도 측정을 통해 학습 데이터의 신뢰도를 향상시켰으며, 셋째, 의사결정 트리(Decision Tree) 기법을 이용하여 추천의 정확도를 높였다. 실험을 통하여 측정한 결과 제안하는 추천시스템이 기존의 인구 통계적 요소만을 고려한 시스템이나 의사결정 트리만을 이용한 시스템보다 향상된 성능을 보였다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2002.11a
• /
• pp.220-229
• /
• 2002

협력적 추천 기법은 유사한 이웃의 선호도를 이용하여 고객에게 개인화된 아이템을 추천해 주는 방법으로 비교적 높은 정확도를 보이며 추천 시스템의 중심으로 연구되어져 왔다. 그러나, 지금까지의 추천 시스템은 도메인의 특성을 제대로 고려하지 못한채 추천을 시행함으로써 특정 도메인에서 추천의 정확도가 떨어지는 문제점이 발생하였다. 이러한 문제점들을 보완하기 위하여 본 논문에서는 평균 고객 유사도, 평균 아이템 유사도, 밀집도 등의 추천 선행 평가 척도를 제안하고, 추천 선행평가 척도와 추천의 정확도와의 상관관계를 보이며, 이를 이용하여 짧은 수행시간 안에 추천 적용이 가능한 마케팅 도메인 및 고객군을 선정하는 방법을 제시한다.

• Proceedings of the Korea Association of Information Systems Conference
• /
• 2005.05a
• /
• pp.393-408
• /
• 2005

인터넷의 성장은 고객에게 많은 혜택을 주었지만, 방대한 양의 정보는 오히려 장시간의 상품 탐색과 제품 선택을 어렵게 만들었다. 이에 따라, 정보의 양을 줄여 줄 수 있는 서비스를 고객들은 요구를 하기 시작하였고, 이에 따라 다양한 방법들이 고객에게 제시 되어졌다. 제시되어진 방법 중의 하나가 개인화 추천 시스템이다. 추천 시스템은 고객의 취향과 관심에 적합한 상품을 추천 해 주는 서비스로서 상품 검색 노력을 줄여 주고, 고객의 취향에 적합한 제품을 제시 해 줌으로써 고객충성도 제고에도 많은 도움을 주고 있다. 이러한 추천 시스템에서 가장 많이 사용되어지고 있는 기법은 협업 필터링이다. 협업 필터링은 협업에서도유용한 기법으로 인정을 받았다. 하지만 희박성과 확장성이라는 문제점으로 인해 추천의 정확도가 다소 떨어진다는 것이 단점이다. 본 연구에서는 이러한 단점을 극복할 수 있는 방법으로써 Hybrid 협업 필터링 기법을제시하고, 이를 토대로 추천 기법이 혼합되어진 Hybrid 추천 시스템에 대한 개념을 제시하고자 한다.

• The Journal of the Convergence on Culture Technology
• /
• v.7 no.1
• /
• pp.582-587
• /
• 2021

Book recommender system, which suggests book to users according to their book taste and preference effectively improves users' book-reading experience and exposes them to variety of books. Insufficient dataset of book rating records by users degrades the quality of recommendation. In this study, we suggest a book recommendation system that makes use of user's book ratings collaboratively with user's movie ratings where more abundant datasets are available. Through comprehensive experiment, we prove that our methods improve the recommendation quality and effectively recommends more diverse kind of books. In addition, this will be the first attempt for book recommendation system to utilize movie rating data, which is from the media-platform other than books.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.52-54
• /
• 2002

추천 시스템은 방문 고객 개개인의 취향이나 구매이력 등을 분석하여 고객이 필요로 하는 상품 또는 컨텐츠 정보의 서비스를 제공한다. 기존의 추천 시스템은 온라인에 초점을 맞추어 설계되었는데 본 논문에서는 무선 인터넷 서비스를 기반으로 무선 단말기(e.g. PDA, Cell Phone 등)를 통해 오프라인에서도 추천정보를 제공하는 시스템을 제안한다. 사용자에게 제공이 되는 추천 정보는 상품이나, 컨텐츠 또는 이벤트 정보이며 제안된 시스템에서는 데이터 마이닝 기법을 통해 데이터를 분류, 측정 및 예측하고 지식 기반방법과 collaborative filtering 방법을 혼합하여 양쪽의 장점만을 취하여 기존의 한정된 상품에 대한 정보와 침상에서만 제공이 되는 서비스를 오프라인까지 통합한 추천 시스템을 제안한다.

• Proceedings of the KIEE Conference
• /
• 2001.07d
• /
• pp.2807-2809
• /
• 2001

본 논문에서는 웹기반 쇼핑몰에서 사용자들에게 새로운 상품을 추천하는 시스템을 제안한다. 추천시스템이란 사용자의 필요와 취향을 고려하여 그에게 적합한 새로운 상품이나 대신할만한 상품 등을 추천하는 시스템이다. 지금까지 제안된 대부분의 추천시스템들은 협력적인 필터링 기법을 쓰고 있는데, 이러한 시스템의 경우 사용자들의 선호도 점수 정보가 부족하면 정확한 추천결과를 기대할 수 없다. 본 논문에서는 내용기반 필터링 기법을 협력적 필터링 기법과 함께 사용하여 이와 같은 문제를 해결하고자 한다.

• Journal of the Korea Society of Computer and Information
• /
• v.15 no.11
• /
• pp.205-213
• /
• 2010

This study uses the FP-tree algorithm, one of the mining techniques. This study is an attempt to suggest a new recommended system using a modified FP-tree algorithm which yields an association rule based on frequent 2-itemsets extracted from the transaction database. The modified recommended system consists of a pre-processing module, a learning module, a recommendation module and an evaluation module. The study first makes an assessment of the modified recommended system with respect to the precision rate, recall rate, F-measure, success rate, and recommending time. Then, the efficiency of the system is compared against other recommended systems utilizing the sequential pattern mining. When compared with other recommended systems utilizing the sequential pattern mining, the modified recommended system exhibits 5 times more efficiency in learning, and 20% improvement in the recommending capacity. This result proves that the modified system has more validity than recommended systems utilizing the sequential pattern mining.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 2005.05a
• /
• pp.258-265
• /
• 2005

전자상거래의 확산에 따라 인터넷 쇼핑몰에서의 구매활동은 일반적인 현상이 되었다. 그 결과, 유사한 업종이나 업태의 인터넷 쇼핑몰이 범람하게 되었고 업체들 간의 경쟁도 심화되어 차별화된 서비스를 제공하지 않는 업체는 도태되기 쉬운 상황이다. 본 연구에서는 치열한 경쟁환경 하에서 인터넷 쇼핑몰의 차별화된 마케팅 서비스의 수단으로써 이용되고 있는 상품추천시스템의 개선된 모형을 제시하고자 한다. 본 연구에서 제안하는 모형은 전역 최적화 기법 중의 하나인 유전자 알고리즘을 데이터 마이닝의 도구로 활용한 인터넷 쇼핑몰에서의 개인화된 상품추천시스템 모형이다. 유전자 알고리즘은 추출하기가 어려운 소비자의 성향을 데이터를 통해 추출하고 이에 맞는 상품군을 선택할 수 있도록 해주는 최적화 기법으로 상품추천시스템의 추천엔진으로써 유용할 것으로 기대된다. 본 연구에서는 제안한 유전자 알고리즘에 기반한 추천 규칙들이 장착된 웹 기반의 개인화된 상품추천시스템의 프로토타입을 개발하고 이에 대한 실제 사용자들의 이용 만족도를 확인함으로써 본 연구에서 제안한 방법론의 유용성을 확인하고자 한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.35-38
• /
• 2022

콘텐츠 기반 추천 시스템은 대표적인 추천 모델 방법 중 하나이다. 하지만 콘텐츠 기반 추천 시스템은 사용자 관련 메타데이터를 고려하기보다 내용 관련 메타데이터에만 의존하는 경향이 있다. 본 논문에서는 영화의 특징을 담고 있는 메타데이터를 이용해 추천 시스템을 간단히 구현하고, 추천한 영화와 사용자의 영화 평점을 이용해 추천 시스템의 정확도를 측정하였다. 영화 메타데이터 keywords, genres, cast의 개수를 늘려가며 정확도가 변화하는지 알아보았다. 메타데이터 각각의 개수가 증가하면 정확도도 향상할 것이라고 기대했으나 큰 차이가 나타나지 않았다. 모델 평가 결과, 미세한 차이지만 영화 메타데이터를 상위 3개씩 추출해 영화를 추천했을 때의 정확도가 1.2100318041248186으로 가장 높았다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1163-1165
• /
• 2015

최근 들어, 사용자의 선호도를 고려한 음악추천 시스템의 연구가 활발히 진행되고 있다. 대부분의 음악 추천 시스템은 사용자가 들었던 곡을 분석하여 유사한 노래를 추천하는 시스템을 사용하여 비슷한 성향에서 벗어나지 못한 추천으로 다양한 사용자의 선호도를 만족시키는데 한계가 있었다. 본 논문에서는 개인 정보인 성별, 나이, 지역, 계절, 장르에 가중치를 활용하여 각각의 개인에 가장 알맞은 음악 추천 시스템을 설계하고 구현한다.