• Journal of Convergence for Information Technology
• /
• v.9 no.6
• /
• pp.83-90
• /
• 2019

People constantly strive for better choices. For this reason, recommender system has been developed since the early 1990s. In particular, collaborative filtering technique has shown excellent performance in the field of recommender systems, and research of recommender system using machine learning has been actively conducted. This study constructs recommender system using collaborative filtering and machine learning based on stacking model which is one of ensemble methods. The results of this study confirm that the recommender system with the stacking model is useful in aspects of recommender performance. In the future, the model proposed in this study is expected to help individuals or firms to make better choices.

• Journal of the Korea Safety Management & Science
• /
• v.12 no.2
• /
• pp.193-197
• /
• 2010

오늘날 인터넷의 출현과 확산으로 인하여 정보의 홍수를 이루게 되었고, 고객들은 자신이 원하는 제품이나 서비스를 선택하기 위해서 정보를 탐색하는 작업이 더욱 어려워지게 되었다. 이러한 고객들에게 좀 더 편리하게 자신이 원하는 제품이나 서비스를 선택하도록 도와주는 것이 추천 시스템으로써, 고객 관계 관리의 중요한 부분으로 자리잡게 되었다. 본 연구에서는, 인터넷상의 여행사 사이트 등에서 고객이 여행지를 선택할 때 고객이 관심을 가질만한 여행지를 추천하여 줌으로써 고객이 최적의 여행지를 선택할 수 있는 새로운 추천 시스템을 개발하였다. 기존의 여러 추천 시스템에서 적용되던 협업 필터링 기법의 문제점으로 나타나고 있는 희소성과 확장성을 해결하기 위하여 본 연구에서는 퍼지로직과 인공신경망을 결합한 하이브리드 접근 방법인 뉴로 퍼지 기반의 여행지 추천시스템을 개발하였다. 제안한 추천시스템을 적용하여 실험한 결과 제안 시스템이 기본의 방법들보다 우수함을 입증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.1073-1076
• /
• 2014

최근 추천 서비스 시스템의 높은 서비스 만족도와 스마트 디바이스들의 빠른 발전과 높은 보급률로 인해 모바일 환경에서의 추천시스템들이 높은 필요성이 증대되고 있다. 이러한 추천 시스템들 중에서도 개인의 성향을 바탕으로 서비스를 제공하는 추천 시스템들이 큰 인기를 얻고 있는 추세이다. 추천 서비스 중에서도 꾸준하게 국내에서 소비량과 관심이 증가하고 있는 와인에 대한 서비스를 제공하고자한다. 국내 와인 소비량이 10년 만에 약 84%가 증가함을 통해 소비자들의 와인에 대한 관심이 꾸준하게 증가하고 있는 점을 알 수 있다. 이를 바탕으로 본 논문에서는 개인의 성향을 바탕으로 선호하는 와인을 추천해주는 서비스 시스템을 제안 및 구현하고, 해당 시스템을 모바일 디바이스를 통해 제공해주는 어플리케이션을 설계 몇 구현하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.1691-1693
• /
• 2012

협업필터링은 추천 시스템 중에서 가장 일반적으로 사용되는 추천 시스템이다. 영화 추천 시스템에서도 이 방법을 가장 많이 사용한다. 추천 시스템에서 가장 많이 사용되고 있는 방법이지만 이 기법만을 적용할 경우 희박성, 확장성 그리고 투명성 등의 문제점을 가진다. 이러한 문제점들을 개선해 보려는 노력들이 많이 연구되어 왔다. 본 논문에서는 개인들의 특징인 개인 성향과 협업 필터링을 기반으로한 영화 추천 시스템을 제시하고 기존의 영화추천 시스템과 성능 평가한다.

• 한국IT서비스학회:학술대회논문집
• /
• 2009.05a
• /
• pp.345-348
• /
• 2009

추천시스템에서 널리 사용되고 있는 협력적 여과기법은 이웃의 정보를 추천대상 고객에게 적용하여 추천에 사용한다. 이 방법을 이용한 추천은 인터넷 사용자에게 알맞은 정보를 제공하여 보다 편리하게 자신이 원하는 정보에 접근하도록 한다. 따라서 추천시스템의 성능향상에 대한 연구가 활발히 진행되고 있으며, 본 논문은 추천시스템의 기능에 대한 정확성을 향상시키기 위한 것이다. 본 논문에서는 먼저, 협력적 여과기법에서 사용되는 고객의 선호도 평가 값에 대한 평균값을 조사하고, 이웃들이 평가한 선호도 평가 값을 분석하였다. 그리고 협력적 여과기법에 두 개의 분석 값을 변수로 적용하여 추천시스템의 예측 정확도를 계산하였다. 본 논문이 제안한 방법과 기존의 알고리즘을 비교한 결과 추천시스템의 성능이 향상됨을 알 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.753-756
• /
• 2004

유비쿼터스 컴퓨팅 환경에서 추천시스템은 무수히 많은 정보들에 대하여 사람들이 적절한 선택을 할 수 있도록 도와준다. 사용자에게 필요한 정보를 찾아주고, 정보들의 우선순위를 결정해주는 추천시스템에 있어서 사용자의 위치는 보다 가치있는 정보를 제공할 수 있는 도구가 된다. 위치기반 추천시스템은 사용자가 아이템들로부터 얼마나 멀리 떨어져있는가를 고려하여 상위 리스트들을 제공할 수 있어야 한다. 하지만 일반적인 추천시스템에서 주로 사용되고 있는 기존의 사용자 기반 협업필터링 기법은 사용자의 자발적인 정보 입력에 의존함으로써 일정한 수의 사용자 정보가 축적되어 있지 않으면 정확한 추천이 불가능한 단점이 있다. 본 논문에서는 아이템에 기반한 협업 필터링 기법을 확률적으로 분석하고, 아이템의 위치에따라 랭킹을 부여하는 방법과 사용자의 위치정보를 추천알고리즘에 적용시켜 보다 정확하고 효율적인 추천방법을 제안하였다.

• 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.

• Journal of Intelligence and Information Systems
• /
• v.9 no.3
• /
• pp.177-191
• /
• 2003

Recommender systems are a personalized information filtering technology to help customers find the products they would like to purchase. Collaborative filtering is the most successful recommendation technology. Web usage mining and clustering analysis are widely used in the recommendation field. In this paper, we propose several hybrid collaborative filtering-based recommender procedures to address the effect of web usage mining and cluster analysis. Through the experiment with real e-commerce data, it is found that collaborative filtering using web log data can perform recommendation tasks effectively, but using cluster analysis can perform efficiently.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.321-324
• /
• 2001

본 논문은 인터넷 쇼핑몰에서의 효율적인 상품 추천 시스템의 구조를 제안한다. 본 상품 추천 시스템은 상품 추천의 2 가지 방법인 지식기반 상품 추천 방법과 collaborative filtering을 혼합하였으며 먼저 고객에게 질문을 던져서 고객의 요구 조건을 수집한 다음, 요구 조건과 상품 데이터베이스에 저장된 상품정보와 일치도를 계산하여 추천 후보 상품 리스트를 생성한다. 이 추천 상품 리스트에 속하는 상품에 대해서는 다시 collaborative filtering 방법이 적용된다. 즉, 비슷한 취향을 가지는 고객들이 높이 평가하는 제품들을 최종적으로 고객들에게 추천하게 된다. 이 방법은 기존의 방법들이 모두 특정한 상품 카테고리에 대해서만 효과적인데 데하여 제안된 방법은 모든 상품 카테고리에 적용할 수 있으며 collaborative filtering 방법을 후보 추천 상품에 대해서만 적용시킴으로써 이 방법의 단점인 많은 계산량을 줄일 수 있다. 제안된 시스템은 EJB(Enterprise Java Beans)를 사용하여 컴포넌트로 구현되었으며 이동통신기기 카테고리에 대하여 시험 구현되었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.19-22
• /
• 2022

서비스 관점에서 구축되는 추천 시스템의 성능은 얼마나 효율적인 추천 모델을 적용하여 심층적으로 설계되었는가에 좌우된다고도 볼 수 있다. 특히, 추천 시스템의 초개인화는 세계적인 추세로 1~2년 전부터 구글, 아마존, 알리바바 등의 데이터 플랫폼 강자들이 경쟁적으로 딥 러닝 기반의 알고리즘을 개발, 자신들의 추천 서비스에 적용하고 있다. 본 연구는 갈수록 고도화되는 추천 시스템으로 인해 발생하는 여러 문제들 중 사용자 또는 서비스 정보가 부족하여 계속적으로 발생하고 있는 Cold-start 문제와 추천할 서비스와 사용자는 지속적으로 늘어나지만 실제로 사용자가 소비하게 되는 서비스의 비율은 현저하게 감소하는 데이터 희소성 문제 (Sparsity Problem)에 대한 솔루션을 모색하는 알고리즘 관점에서 연구하고자 한다. 본 논문은 첫 단계로, 적용하는 메타데이터에 따라 추천 결과의 정확성이 얼마나 차이가 나는지를 보이고 딥러닝 비지도학습 방식을 메타데이터 선정 및 추출에 적용하여 실시간으로 변화하는 소비자의 실제 생활 패턴 및 니즈를 예측해야 하는 필요성에 대해서 기술하고자 한다.