• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.10
• /
• pp.399-406
• /
• 2021

With the steady growth of the content industry, the need for research that automatically recommending content suitable for individual tastes is increasing. In order to improve the accuracy of automatic content recommendation, it is needed to fuse existing recommendation techniques using users' preference history for contents along with recommendation techniques using content metadata or features extracted from the content itself. In this work, we propose a new graph-based music recommendation method which learns an LSTM-based classification model to automatically extract appropriate tagging words from sound data and apply the extracted tagging words together with the users' preferred music lists and music metadata to graph-based music recommendation. Experimental results show that the proposed method outperforms existing recommendation methods in terms of the recommendation accuracy.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10b
• /
• pp.294-299
• /
• 2006

추천 시스템은 사용자 프로파일을 기반으로 개인 취향에 맞는 정보나 제품에 대한 이용성을 향상 시킨다. 본 논문에서는 시멘틱 환경 내에서 사용자 개개인에 맞는 웹 콘텐츠를 제공하기 위한 온톨로지 기반의 웹 콘텐츠 추천 방법론을 제안한다. 이를 위해서 2가지에 초점을 두었다. 첫 번째, 사용자 프로파일의 쓰임새를 향상시키기 위해 온톨로지 모델을 적용한다. 이는 비슷한 서비스를 제공하는 여러 웹 서비스 사이트에서 사용자의 기호 정보를 공유할 수 있다는 이점을 갖는다. 또한 온톨로지를 기반으로 생성된 사용자 프로파일은 콘텐츠 추천 점수 계산을 위한 정확한 입력 데이터를 제공한다. 두 번째로 각각의 웹 콘텐츠들의 추천 점수를 계산하는 함수를 정의한다. 제안하고자 하는 함수는 각 웹 콘텐츠의 계층구조와 웹 콘텐츠를 구성하는 속성들의 관계를 명시한 온톨로지를 기반으로, 사용자 프로파일의 내용과 웹 콘텐츠의 개념 유사도(Concept Similarity)와 관계 유사도(Relation Similarity) 구한다. 따라서 본 논문에서는 전체 유사도(Concept Similarity+Relation Similarity)를 추천 점수로 적용한다.

• Journal of the Korean Society for information Management
• /
• v.26 no.1
• /
• pp.81-105
• /
• 2009

In this paper, we propose user contents using behavior and location information on contents on various channels, such as web, IPTV, for contents distribution. With methods to build user and contents profiles, contents using behavior as an implicit user feedback was applied into machine learning procedure for updating user profiles and contents preference. In machine learning procedure, contents-based and collaborative filtering methods were used to analyze user's contents preference. This study proposes contents location information on web sites for final recommendation contents as well. Finally, we refer to a generalized recommender system for personalization. With those methods, more effective and accurate recommendation service can be possible.

• Journal of the Korea Society of Computer and Information
• /
• v.16 no.7
• /
• pp.127-135
• /
• 2011

It is required that an e-learning system has a content recommendation component which helps a learner choose an item. In order to predict items concerning learner's interest, collaborative filtering and content-based filtering methods have been most widely used. The methods recommend items for a learner based on other learner's interests without considering the knowledge level of the learner. So, the effectiveness of the recommendation can be reduced when the number of overall users are relatively small. Also, it is not easy to recommend a newly added item. In order to address the problem, we propose a content recommendation method based on the similarity and the difficulty of an item. By using a recommendation function that reflects both characteristics of items, a higher-level leaner can choose more difficult but less similar items, while a lower-level learner can select less difficult but more similar items, Thus, a learner can be presented items according to his or her level of achievement, which is irrelevant to other learner's interest.

• 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 Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.74-76
• /
• 2014

모바일 단말, 웨어러블 디바이스 등 개인용 단말의 이용이 확대되면서 사용자 및 사용자 그룹의 다양한 미디어 소비정보, 이용 패턴 정보 기반으로 하는 다양한 서비스가 확대되고 있다. 이러한 개인 혹은 사용자 그룹을 대상으로 하는 대표적이면서 가장 서비스 효율을 높일수 있는 서비스 가운데 하나가 타겟팅 광고 서비스이다. 이러한 타겟팅 광고 서비스는 단순한 개인의 선호도 정보만을 반영하는 것에서 개인의 미디어 소비이력, 미디어 이용패턴 정보 등 사용자가 직접적으로 정보를 입력없이 추천이 가능하도록 연구가 계속되고 있다. 본 논문에서는 고정형 및 모바일 단말에서 사용자의 미디어 콘텐츠 선호 정보 및 소비이력 정보를 통합적으로 반영하여 타겟팅 광고 콘텐츠를 자동적으로 선정하고 추천하는 엔진을 설계 구현하였다. 제안한 추천엔진은 콘텐츠 특성에 대한 선호도와 사용자의 콘텐츠 소비 패턴에서 취득된 정보를 기반으로 예측된 선호도를 결합하여 사용자의 최종 선호도를 추정하고, 이를 기반으로 광고 콘텐츠에 대한 추천을 수행한다. 사용자 메타데이터 및 콘텐츠 메타데이터는 TV-Anytime 표준을 기반으로 하였다.

• Proceedings of the Korea Contents Association Conference
• /
• 2016.05a
• /
• pp.31-32
• /
• 2016

최근 음악 서비스 분야에는 감성추천 서비스가 시행되고 있다. 추천 시스템에 따라 내용 기반 추천 방식과 협업 기반 추천 방식으로 크게 구분할 수 있으며 대부분의 음악 서비스 분야에서는 많은 사용자들로부터 얻은 기호정보에 따라 사용자들의 관심사들을 자동적으로 예측하는 방법인 협업 기반 추천 방식으로 서비스를 운영하고 있다. 이에 따라 협업 기반 추천 방식을 사용하는 대표 음원 사이트 멜론과 벅스에서 음악 추천 서비스의 추천된 음악이 실제 감성과 맞는지 기쁨과 슬픔으로 분류하여 Russell의 감성 모형을 기준으로 가사의 5차 분류를 통해 곡의 감성을 분석하여 카테고리의 추천음악과 가사의 상관관계를 비교 연구하였다. 그 결과, 각 카테고리의 감성추천 음악과 실제 음악의 감성이 일치하는 부분도 있지만, 그 외 다양한 감정들이 도출되었다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.01a
• /
• pp.51-54
• /
• 2015

추천 시스템의 대표적인 연구 중 하나인 콘텐츠 기반 추천 시스템 연구는 TV 프로그램이나 영화의 줄거리, 장르, 리뷰 등의 콘텐츠의 메타데이터를 이용한다. 그러나 이러한 연구들은 콘텐츠 관련 정보에만 의존할 뿐, 시청자의 프로파일과 콘텐츠의 정보를 함께 고려하지 않는다. 본 논문에서는 시청자의 프로파일 중 연령과 콘텐츠의 정보인 프로그램의 줄거리를 활용한 TV 프로그램 추천 시스템을 제안한다. 본 추천 시스템은 시청자를 연령에 따라 분류한 후, LDA 알고리즘을 이용하여 시청자의 시청 TV 프로그램의 줄거리를 분류된 나이에 따라 각각의 줄거리 토픽 모델로 생성한다. 이를 기준으로 시청자가 원하는 시간대에 방송되는 프로그램들의 줄거리 토픽벡터와 시청자의 선호도 토픽벡터의 유사도를 비교해 가장 유사도가 높은 TV 프로그램을 시청자에게 추천하는 방식이다. 본 논문에서는 연구의 효용성을 검증하기 위해 줄거리만을 사용한 경우와 줄거리와 연령을 동시에 활용한 경우를 비교 실험하였다. 실험을 통해 프로그램의 줄거리만을 사용한 경우보다 연령을 동시에 활용한 경우의 추천 시스템 성능이 개선된 것을 확인할 수 있었다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.06a
• /
• pp.334-335
• /
• 2018

최근 수 년간 비디오 콘텐츠 소비 공간이 인터넷으로 확장되며 지능적 비디오 콘텐츠 추천 기술 개발이 진행되어 왔다. 하지만 지능적 비디오 콘텐츠 추천 기술은 사용자의 기호나 업로드된 비디오 콘텐츠의 제목 등을 기반으로 하여 비디오 콘텐츠 클래스에 대한 분석 없이 유사한 비디오 콘텐츠를 탐색하고 추천해주는 기술이 대부분이다. 본 논문에서는 지능적 콘텐츠 추천을 위한 딥러닝 기반 방송 콘텐츠 클래스 분류 시스템을 제안한다. 방송 콘텐츠 내 영상 정보를 이용하여 방송 콘텐츠 클래스를 분류하며 높은 분류 정확도를 보여주는 것을 확인할 수 있다.

• The Journal of Korean Institute of Next Generation Computing
• /
• v.13 no.2
• /
• pp.35-48
• /
• 2017

There are many and various devices like sensors, displays, smart phone, etc. in smart environment. And contents can be provided by using these devices. Vast amounts of contents are provided to users, but in most environments, there are no regard for user or some simple elements like location and time are regarded. So there's a limit to provide meaningful contents to users. In this paper, I suggest the contents recommendation system that can recommend contents to users by reasoning context of users, devices and contents. The contents recommendation system suggested in this paper recommend the contents by calculating the user preferences using the situation reasoned with the contextual data acquired from various devices and the user profile received from the user directly. To organize this process, the method on how to model ontology with domain knowledge and how to design and develop the contents recommendation system are discussed in this paper. And an application of the contents recommendation system in Centum City, Busan is introduced. Then, the evaluation methods how the contents recommendation system is evaluated are explained. The evaluation result shows that the mean absolute error is 0.8730, which shows the excellent performance of the proposed contents recommendation system.