• Smart Media Journal
• /
• v.9 no.1
• /
• pp.45-50
• /
• 2020

With the development of deep learning, studies using artificial neural networks based on deep learning in recommendation systems are being actively conducted. Especially, the recommendation system based on RNN (Recurrent Neural Network) shows good performance because it considers the sequential characteristics of data. This study proposes a travel route recommendation system using GRU(Gated Recurrent Unit) and Session-based Parallel Mini-batch which are RNN-based algorithm. This study improved the recommendation performance through an ensemble of top1 and bpr(Bayesian personalized ranking) error functions. In addition, it was confirmed that the RNN-based recommendation system considering the sequential characteristics in the data makes a recommendation reflecting the meaning of the travel destination inherent in the travel route.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.109-112
• /
• 2006

최근 대용량 추천시스템에 대한 필요성이 증가하고 있고, 특히 대규모 인터넷 쇼핑몰을 위한 개인화 추천 시스템 구조에 대한 관심이 높아지고 있다. 본 논문에서는 k-means 클러스터링과 순차 패턴 기법을 이용한 인터넷 쇼핑몰 상품 추천 시스템을 설계 및 구현한다. 사용자 정보의 일괄처리와 카테고리의 계층적 특성을 반영하면서 데이터 마이닝 기법을 활용하여 개인화된 추천 엔진을 대형 시스템에서 동작하도록 설계 하였다. 설계 구현한 시스템의 평가를 위해, 대형 쇼핑몰의 데이터를 이용하여 추천 예측 정확율(PRP: Predictive Recommend Precision), 추천 예측 재현율(PRR: Predictive Recommend Recall), 정확도 인수(PF1 : Predictive Factor One-measure)를 구하였다.

• Proceedings of the KAIS Fall Conference
• /
• 2003.06a
• /
• pp.222-225
• /
• 2003

웹의 급속한 성장으로 수많은 양의 정보가 매일같이 쏟아져 나오고 있다. 이는 특정 상품정보를 얻으려는 고객들에게 많은 혼란을 야기할 수 있다. 이러한 문제의 해결을 위해 추천시스템이 개발되었고, 추천 시스템은 고객들이E-Commerce 상에서 상품을 구매하는 것을 도와주기 위해서 지속적인 증가추세로 사용되고 있다. 이러한 추천시스템은 다양한 고객들의 선호도에 따라 유사성과 비유사성에 대한 정보의 기초위에서 고객들의 잠재적인 관심 항목들에 대해 개인의 취향에 맞게 추천하는 기술들을 제공한다. 그러나, 추천시스템에 많은 관심을 가짐에도 불구하고 그들의 성능에 대한 공개된 기술이나 정보는 매우 제한적이다. 본 논문에서는, 과거 고객들의 구매행동, 고객정보 데이터마이닝의 연관규칙을 이용한 E-Commerce 추천시스템을 설계하고 구현하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.11a
• /
• pp.546-549
• /
• 2010

인터넷의 발달과 유통되는 정보의 양이 증가함에 따라, 그 속에서 사용자가 원하는 정보를 효과적으로 얻기 위한 노력이 계속되어 왔다. 그 중에서 사용자에게 적합한 상품을 추천하고 정보를 제공하기 위한 추천 시스템이 매우 중요하게 인식되고 있으며, 이에 대한 연구가 지속되고 있다. 본 논문에서는 추천 시스템의 핵심적인 방법들과 발전 방향을 다양한 측면에서 체계적으로 분석하였다. 최근에 자주 사용되어지는 효과적인 추천 시스템의 장단점을 비교하여, 추천 시스템이 적용될 수 있는 다양한 환경에서 최적화된 방법을 제시하였다. 더불어 기존의 추천 시스템이 가지고 있는 한계와 그 극복 방안에 대하여 모색해 보았다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.1168-1171
• /
• 2021

일반적인 검색엔진을 가진 포털 환경에서 정보검색 시 사용자가 원치 않는 수많은 검색결과가 동반되기도 하고 자신의 취향에 맞는 글을 검색하지 않았다는 이유만으로 원하는 정보를 놓치는 상황도 일어난다. 이러한 검색환경의 문제를 개선하기 위해 본 논문에서는 사용자들의 검색환경 개선을 위한 맞춤형 검색결과 정렬, 검색어 추천, 게시글 추천의 추천 시스템을 설계하고 제작한다. 이러한 추천 시스템은 워드 임베딩 모델과 추천 시스템 모델을 포함한다. 기존에 존재하던 워드 임베딩 모델의 성능을 실험을 통해 비교 및 분석하고, 크롤링을 통해 모은 데이터로 성능을 24.98%P 개선하였다. 추천 시스템 모델은 RMSE 비교를 통해 최적이 알고리즘을 제안한다. 해당 기술을 통해 사용자 스스로 자신의 검색환경을 개선할 수 있도록 구현하는 것이 이 시스템의 목표이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11c
• /
• pp.2133-2136
• /
• 2002

인터넷 특성상 방대한 양의 정보와 상품 등으로 사용자들이 원하는 정보를 찾기 위해서 많은 시간을 낭비하고 있는 실정이다. 이러한 사용자의 시간 소모를 중이기 위해서 추천 시스템이 개발되었다. 현재 인터넷 상의 추천 기술 중에서 가장 많이 사용하는 기법으로는 협력적 여과(Collaborative filtering) 방법이다. 그러나, 협력적 추천 방법으로 추천 받기 위해서는 특정수 이상의 아이템에 대한 평가가 필요하며, 또한 비슷한 성향을 가지는 일부 사용자 정보에 근거하여 추천함으로써 나머지 사용자 정보를 무시하는 경향이 있다. 이러한 문제점이 발생되므로 최근에는 데이터 마이닝(Data Mining) 기법 중 연관 규칙(Association Rule)을 이용한 추천 시스템이 개발되고 있다[1,10]. 그러나, 연관 규칙 기법은 개인별 사용자의 성향을 반영하지 못하는 단점이 있다[4]. 연관 규칙은 단지 대용량 데이터 베이스에서 아이템간의 지지도(Support)와 신뢰도(Confidence)에 근거하여 규칙을 발견하는 특징을 가지고 있기 때문이다. 즉 개인성향을 무시하고 아이템간의 연관성만을 근거로 하여 아이템을 추천하기 때문이다. 본 논문에서는 효율적인 연관 규칙을 이용한 개인화 추천 시스템을 구현하기 위해서 연관 규칙과 여과 방법을 통합한 시스템을 제안한다. 본 시스템에 대하여 성능 비교 실험을 수행함으로써 제안한 방법의 타당성을 제시한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.25 no.5
• /
• pp.431-436
• /
• 2015

As a number of TV programs broadcast today, researches about TV program recommender system have been studied and many researchers have been studying recommender system to produce recommendation with high accuracy. Recommender system recommends TV program to user by using metadata like genre, plot or calculating users' preferences about TV programs. In this paper, we propose a new TV program Collaborative Filtering Recommender System that exploits viewing time pattern like viewing ratio, relation with finish time and recently viewing history to calculate preference for high-quality of recommendation. To verify usefulness of our research, we also compare our method which utilizes viewing time patterns and baseline which simply recommends TV program of user's most frequently watched channel. Through this experiments, we show that our method very effectively works and recommendation performance increases.

• KIPS Transactions on Software and Data Engineering
• /
• v.11 no.6
• /
• pp.237-244
• /
• 2022

In this paper, we present VAE-based recommendation using online behavior log and purchase history to overcome data sparsity and cold start. To generate a variable for customers' purchase history, embedding and dimensionality reduction are applied to the customers' purchase history. Also, Variational Autoencoders are applied to online behavior and purchase history. A total number of 12 variables are used, and nDCG is chosen for performance evaluation. Our experimental results showed that the proposed VAE-based recommendation outperforms SVD-based recommendation. Also, the generated purchase history variable improves the recommendation performance.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.253-255
• /
• 2001

인터넷을 통한 사용자의 선호도를 분석하고 협력적 여과 및 내용기반 여과 기술을 결합 이용하여 유머문서를 추천하는 MrHumor 시스템을 구축하였다. 유머문서 추천 기술은 다양한 아이템에 대한 여과 및 추천 기술로 확장되어 인터넷을 통한 과다 정보 시대에 필요한 소프트봇 혹은 지능형 에이전트 기술에 적용될 수 있다. MrHumor 추천시스템은 적응형 학습 시스템으로서 새로운 사용자의 선호도에 대한 학습량과 추천시기에 따라 이용할 추천방식이 다른 성능을 보이는데 여러 가지 상황에서도 적절한 동작을 보이기 위하여 MrHumor에서는 은닉변수 모델을 이용하여 사용자의 인구통계적 정보와 문서의 내용적 특징간의 관계를 학습하여 초기 추천을 행하고 SVM을 이용하여 개인의 선호도를 학습한 내용 기반의 여과와 적응형 k-NN모델을 이용한 협력적 여과를 결합하여 추천을 수행한다. 제안된 방식에 의한 추천 성능은 3방식이 각각 이용된 경우에 비해 안정적이고 높은 예측 정확도를 보인다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2010.11a
• /
• pp.57-58
• /
• 2010

UCC 제작자에겐 기존의 추천 서비스와는 차별화된 저작권과 저작 목적 등을 고려한 별도의 추천서비스가 필요하다. 본 논문에선 UCC를 제작하는데 있어 발생하는 저작권문제를 효과적으로 해결하기 위해 UCC 제작 시 참조된 UCC들의 정보를 메타데이터의 reference 요소로 기재할 수 있도록 하였으며, UCC 제작 사용자에게 특화된 추천서비스를 제공하기 위해 제작된 UCC의 참조 데이터를 이용한 협업 필터링 기반의 추천 시스템을 구성하고 있다. 추천시스템은 메타데이터의 tag, reference 요소를 이용해 참조된 UCC 그룹군에서 제작자가 참조한 UCC와 유사한 참조 UCC를 추천 리스트로 만들어서 제공한다. 향후 본 시스템의 효율성 검증을 통해 UCC 제작에 있어 보다 효율적이고 제작자 편이성이 높은 제작자 맞춤형 UCC 추천 서비스가 IPTV, SmartTV등의 융합형 방송서비스 통해 제공될 수 있을 것 이다.