• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.535-538
• /
• 2009

모바일 단말기 사용자 수의 증가와 위치기반 서비스 기술의 발달로 위치 정보를 활용한 다양한 위치 정보 서비스가 등장하고 있다. 친구들과 약속을 정하는 일은 빈번하게 일어난다. 약속을 정하기 위해서는 모든 친구에게 연락을 해야 하고 각자 선호하는 장소가 다르기 때문에 모든 친구들이 만족할 만한 최적의 장소를 찾기가 어렵다. 본 논문에서는 모바일 환경에서 친구의 위치를 파악하고 사용자와 친구의 성향을 파악하기 위해 협업 필터링과 인구통계학적 정보를 사용하였고, 약속 장소를 선정하기 위해 사용자와 친구의 위치를 기반으로 후보 영역을 선택하여 약속 장소와 시간을 추천하는 서비스를 제공함으로써 약속을 맺기 위한 절차를 간소화 할 뿐 아니라 사용자와 친구의 성향에 맞는 약속 장소를 추천하여 사용자와 친구가 만족 할 수 있는 약속을 형성할 수 있도록 하는 약속 장소, 시간 추천 서비스 시스템을 설계하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1129-1131
• /
• 2013

온라인 상에서 불특정 타인과 관계를 맺을 수 있는 서비스로 소셜 네트워크 서비스(Social Network Service : SNS)가 새롭게 떠오르고 있다. 1990년대에 등장한 SNS는 최근에는 스마트폰을 이용한 모바일 서비스로 인해 이용자의 수가 급격히 늘어나고 있다. SNS에서는 '친구 찾기' 라는 서비스를 제공하는데, 이는 이용자의 개인정보를 분석하여 이용하여 친구를 찾아주는 서비스이다. 기존의 '친구 찾기' 서비스는 이용자가 제공하는 정보만을 다른 이용자의 정보와 비교하여 친구를 찾았다. 그러나 이용자가 제공하는 정보는 한정적이기 때문에 비교할 수 있는 정보의 양도 한정되어 찾을 수 있는 친구의 수에도 한계가 생긴다. 그래서 본 논문에서는 단순한 개인정보 비교를 통한 친구를 찾는 방법이 아닌 이용자가 제공하는 시공간 데이터를 활용하여 추론을 통해 친구를 추천해주는 시스템을 설계하고 구현한다.

• The Journal of the Korea Contents Association
• /
• v.16 no.4
• /
• pp.56-64
• /
• 2016

With the development of information technologies and the wide spread of smart devices, the number of users of social network services has increased exponentially. Studies that identify user preferences and recommend similar users in these social network services have been actively done. In this paper, we propose a new scheme to recommend social network friends with similar preferences through the moving pattern analysis of mobile users. The proposed scheme removes the meaningless trajectories via companions, short time trajectories, and repeated trajectories to determine the correct user preference. The proposed scheme calculates user similarity using the meaningful trajectories and recommends users with similar preferences as friends. It is shown through performance evaluation that the proposed scheme outperforms the existing schemes.

• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.45-46
• /
• 2015

최근 모바일 단말기의 보급과 함께 소셜 네트워크 서비스의 사용자 수가 급격하게 증가하고 있다. 본 논문에서는 사용자에게 의미 없는 장소를 판별하고 새로운 이동 궤적을 생성하여 유사한 사용자를 추천하는 친구 추천 기법을 제안한다. 성능평가를 통해 제안하는 기법이 기존 기법에 비해 성능이 우수함을 보인다.

• KIISE Transactions on Computing Practices
• /
• v.22 no.8
• /
• pp.375-380
• /
• 2016

The proliferation of online social networking services (OSNSs) and smartphones has enabled people to easily make friends with a large number of users in the online communities, and interact with each other. This leads to an increase in the usage rate of OSNSs. However, individuals who have immersed into their digital lives, prioritizing the virtual world against the real one, become more and more isolated in the physical world. Thus, their socialization processes that are undertaken only through lots of face-to-face interactions and trial-and-errors are apt to be neglected via 'Add Friend' kind of functions in OSNSs. In this paper, we present a friend recommendation system based on the on/off-line contextual information for the OSNS users to have more serendipitous offline interactions. In order to accomplish this, we modeled both offline information (i.e., place visit history) collected from a user's smartphone on a 3D tensor, and online social data (i.e., friend relationships) from Facebook on a matrix. We then recommended like-minded people and encouraged their offline interactions. We evaluated the users' satisfaction based on a real-world dataset collected from 43 users (12 on-campus users and 31 users randomly selected from Facebook friends of on-campus users).

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• pp.31-32
• /
• 2012

본 연구는 소셜 네트워크에서 사용자간의 친밀도에 기반하여 보여주는 '친구추천' 이라는 방법을 그래프 클러스터링을 이용하여 접근하고자 한다. 기존의 방법과는 다르게 사용자에게 개인화된 선별 정보를 제공하는데 목적이 있다. 또한 일반적 클러스터링이 아닌 그래프 이론에 근거한 거리 계산을 기반으로 친화력 전파 모델(Affinity Propagation) 클러스터링 기법을 적용하는 방법을 제안한다. 이 방법으로 클러스터링을 진행하여 선별된 같은 그룹 안에 있는 개인화된 친구 추천을 효과적으로 수행할 수 있음을 입증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.11a
• /
• pp.1188-1190
• /
• 2011

오피니언 마이닝은 웹에 있는 문서를 분석하여 작성자의 의견을 요약된 형태로 보여주는 기술이다. 오피니언 마이닝을 이용해 문서 작성자의 주관적 의견을 알 수 있고 이를 통해 작성자의 성향이나 관심사와 같은 정보를 얻을 수 있다. 많은 네티즌들은 소셜 네트워크 서비스를 통해 자신의 의견이 담긴 글을 타인과 공유 하며 네트워크상의 인맥을 넓혀 나간다. 오피니언 마이닝을 통해 개인이 작성한 글들을 분석하여 관심사를 파악하고 비슷한 관심사를 가진 친구를 추천하는 친구 추천 시스템을 제안한다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.17 no.6
• /
• pp.663-669
• /
• 2016

This study explores the effect of tagging in Social Network Services, especially Facebook, which has become popular as a marketing platform. In Facebook, users generally make recommendations using 'Like', 'Share', or 'Tag'. 'Tag' is different from 'Like' or 'Share' in that it can be used to deliver certain messages directly to specific people based on their interests or characteristics. Tagging can be categorized into rewarded tagging and non-rewarded tagging. As a result of our exploratory research, we found that non-rewarded tagging by certain users can indicate that the people, who are tagged, are interested in the contents of the users and share the same interest as them. Also, tagging indicates that these users want to share these services, such as restaurants and tours, with their friends who are tagged in the contents. Therefore, this study sheds light on the importance of the tagging function, as well as 'Like' and 'Share'.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.1049-1050
• /
• 2023

빅데이터 시대에 추천시스템은 끊임없이 진화하고 있으며 그 중요성도 나날이 높아지고 있다. 그럼에도, 친구추천시스템은 여전히 사용자의 맥락 정보에만 의존하는 제한적인 모습을 보이고 있다. 이에 본 연구는 사용자의 대화에 드러난 관심사와 대화 만족도 등을 직접 사용자 임베딩에 활용한 Chat-Trip 모델을 제안하고, 실험을 통해 그 효용성을 입증하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2019.05a
• /
• pp.309-310
• /
• 2019

최근 들어 빅데이터 기반의 추천 방식과 개인화 시스템을 활용하여 맞춤형 콘텐츠를 추천해주는 서비스가 주목받고 있다. 이는 단순히 OTT 서비스뿐만 아니라 상품추천이나 음악 추천, 친구 추천, 뉴스 추천 등 여러 분야에서도 널리 사용 중이다. 본 연구는 OTT 서비스의 맞춤형 콘텐츠를 지속해서 이용하는 경우 정보 탐색 과정의 사용 경험과 이용만족도에 대해 알아보고자 시작되었다. OTT 서비스 중 사용자가 가장 많고 콘텐츠 추천 기능이 강점인 넷플릭스와 왓챠플레이를 중심으로 사용자 인터뷰를 진행하여 사용자들의 추천 기능 이용 패턴을 파악하고 그 과정에서의 특이사항이나 어려움을 파악하려 하였다. 이를 바탕으로 콘텐츠 추천 및 탐색 과정의 UX를 개선할 수 있는 방안을 제시하고자 하였다.