• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2009년도 춘계학술발표대회
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• 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.

• 한국콘텐츠학회논문지
• /
• 제16권4호
• /
• pp.56-64
• /
• 2016

정보 기술의 발전 및 스마트 기기의 활성화로 인해 소셜 네트워크 서비스의 사용자 수가 기하급수적으로 증가하고 있다. 이러한 소셜 네트워크 서비스에서 사용자의 성향을 파악하고 유사한 사용자를 추천하는 연구들이 활발하게 진행되고 있다. 본 논문에서는 모바일 사용자의 이동 패턴 분석을 통해 유사한 성향을 가지는 소셜 네트워크 친구를 추천하는 기법을 제안한다. 제안하는 기법은 사용자의 정확한 성향을 판별하기 위해 동행인 여부, 방문 시간이 짧은 궤적, 반복적으로 나타나는 궤적을 고려하여 의미 없는 궤적을 제거한다. 의미 있는 궤적 정보만을 이용하여 사용들 사이의 유사도를 계산하여 유사한 성향을 가지는 사용자를 친구를 추천한다. 성능 평가를 통해 제안하는 기법이 기존 기법에 비해 성능이 우수함을 보인다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2015년도 춘계 종합학술대회 논문집
• /
• 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.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권8호
• /
• pp.375-380
• /
• 2016

스마트폰과 Online Social Network Service(OSNS)의 대중화를 통해 언제 어디서든 주변인뿐만 아니라 전 세계 사람들과 상호작용 할 수 있게 되었고, 그 결과 사람들의 OSNS 사용률은 계속 증가하고 있다. 그런데, 일부 OSNS를 통한 대인관계 형성에 집중하는 사람들의 경우, 수많은 Face-to-Face Interaction(F2F Interaction)을 통해 형성되는 인간관계의 과정을 "친구추천" 버튼 하나로 건너뜀으로써 대인관계 기술 발달 및 유지에 어려움을 겪을 수 있다. 본 논문에서는 오프라인에서 F2F Interaction 기회를 발견 및 제공할 수 있는 상황정보 기반의 친구추천 기법을 제시한다. 이를 위해 스마트폰 센서로부터 사용자의 상황정보와 Facebook에서 형성된 사용자 친구관계 정보를 수집하여 텐서 분해 및 결합을 기반으로 오프라인 환경에서 친구를 추천한다. 성능 평가를 위해 12명의 실험 참가자로부터 상황정보를 수집하고, 만족도를 평가하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(C)
• /
• 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.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 추계학술발표대회
• /
• 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.

• 한국산학기술학회논문지
• /
• 제17권6호
• /
• pp.663-669
• /
• 2016

본 연구는 소셜 네트워크 서비스(SNS)에서 행해지는 친구 추천 활동 중, '소환'을 중심으로 그 의미와 마케팅적 시사점을 고찰하였다. 특히 마케팅 플랫폼으로 발전해 가고 있는 페이스북을 대상으로 활동을 살펴보았다. 페이스북에서 사용자들이 기본적으로 하는 추천활동으로는 '좋아요', '공유', '소환'을 들 수 있다. '소환'은 사용자의 지인의 선호나 특성, 사용자와의 관계를 고려하여 특정 지인을 지목하여 직접 메시지를 전달한다는 관점에서 '좋아요', '공유'와는 차이가 있다. 사용자들의 자발적 추천 행동인 '소환'에 대한 탐색 조사를 실시한 결과, 사용자들이 게시된 컨텐츠가 유용하거나 재미있고 해당 게시물에 관심을 가질 가능성이 높은 친구가 누구인지 판단하여 소환을 하며, 특히 음식점, 여행 등의 비즈니스 영역에서는 함께 하고자 하는 의지가 있을 때 소환을 사용하는 것으로 나타났다. 이러한 결과는 소환을 하는 사용자 뿐만 아니라 공통관심사를 가진 특정 지인을 지목하여 마케터들에게 노출시킨다는 관점에서 타 추천활동과는 차별화된다. 따라서 '좋아요'와 '공유'뿐만 아니라 '소환'에 대한 연구와 활용이 향후 심도있게 이루어져야 할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• 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.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2019년도 춘계종합학술대회
• /
• 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.