• 지식경영연구
• /
• 제21권4호
• /
• pp.175-193
• /
• 2020

정보기술과 스마트기기의 확산으로 콘텐츠를 제작 및 유통할 수 있는 환경이 변화하고 있다. 사람들은 쉽고 빠르게 콘텐츠를 이용할 수 있게 되었으며 콘텐츠 산업은 다른 산업과 융합하여 새로운 부가가치를 창출할 것으로 주목받는다. 이에 기업들은 사람들은 인식하는 콘텐츠의 품질이 어떠한지를 이해하고 이를 전략적으로 활용할 필요성이 있다. 따라서 본 연구는 정보시스템 성공모형을 기반으로 콘텐츠 품질 요인과 사용자만족, 추천의도와의 관계를 실증분석을 통해 살펴보고자 한다. 총 301명의 설문응답을 바탕으로 smartPLS3.0을 사용하여 분석을 진행하였다. 연구결과, 콘텐츠유용성, 시스템접속성, 시스템편의성, 서비스제공자신뢰, 상호작용성은 사용자만족에 유의한 영향을 미치는 것으로 나타났다. 지각된 프라이버시보호는 사용자만족과 추천의도에 유의한 영향을 미쳤다. 마지막으로 사용자만족은 추천의도에 유의한 영향을 미치는 것으로 나타났다. 본 연구의 결과는 콘텐츠 기업들이 이용자들이 인식하는 품질에 대해 이해할 수 있는 유용한 정보를 제공할 것으로 기대한다.

• 문화기술의 융합
• /
• 제7권2호
• /
• pp.437-442
• /
• 2021

본 연구에서는 소비자 데이터를 딥러닝 기반의 분류(Classification) 모델을 학습 시켜 추천 알고리즘을 구현하였다. 이를 위하여 사용자 데이터를 이미지로 변환 시켜 분류 과제에서 보편적으로 사용되는 ResNet50을 사용하여 학습한 결과로서 유의미한 결과에 대하여 제시함

• 한국콘텐츠학회논문지
• /
• 제11권2호
• /
• pp.101-112
• /
• 2011

사회가 점점 고도화 되면서 스트레스는 중요한 사회적 이슈로 부각되고 있다. 본 논문에서는 스트레스의 완화를 위한 맞춤형 콘텐츠 서비스 시스템을 설계하고 구현한다. 본 제안 시스템에서는 생체신호 및 심리정보를 기반으로 스트레스 증상 및 지수를 계산하고 선호도 등의 사용자 정보를 기반으로 영상, 음향, 향기 및 조명 콘텐츠 조합을 추천하고 추천된 콘텐츠 서비스를 제공한다. 이를 위하여 본 논문에서는 스트레스 증상을 분류하고, 심리정보 측정을 위한 자가평가도구 문항을 정의하였다. 정의된 스트레스 증상에 맞게 영상, 음향, 향기 및 조명 콘텐츠를 분류하였으며, 3단계 사용자 맞춤형 콘텐츠 추천 모델을 제안하였다. 또한 사용자 맞춤형 콘텐츠 서비스 모델을 제안하였으며, 이에 따라 서비스 시스템을 설계 및 구현하였다. 본 시스템은 기존의 시스템들과는 달리 사용자 맞춤형이며 다양한 콘텐츠 조합을 서비스할 수 있는 특징이 있다.

• 한국콘텐츠학회논문지
• /
• 제9권5호
• /
• pp.346-354
• /
• 2009

본 논문에서는 항목기반 방법을 이용하여 교육자들이 학습자들에게 적용하고 있는 학습 패턴을 위한 새로운 학습 추천 시스템을 제안한다. 본 논문에서 제안된 방법은 먼저 인터넷 콘텐츠 사이트에서 학습자들이 수행하는 학습 정보를 기반으로 개인별 학습 방법을 수집한다. 다음에 이러한 정보를 기본으로 하여 학습 요소별로 구분하여 학습자들에게 가장 적합하다고 판단되는 학습 방법을 추천한다 제안된 시스템의 평가를 위해 한 중학교 학생들을 실험에 참여 시켰으며 학습자의 성적에 따라 3개의 그룹으로 구분하였다. 학업 성취도 향상을 위한 가장 효과적인 방법을 추천하기 위해 각 그룹에 적용되는 학습 요소들에 속성간, 속성내 가중치를 부여하였다. 실험 결과 제안된 방법에서 학습자들의 성취도가 이전 성적에 비해 상당한 수준으로 향상됨을 보였다.

• 한국콘텐츠학회논문지
• /
• 제15권9호
• /
• pp.1-10
• /
• 2015

본 연구에서는 온톨로지를 기반으로 개인의 선호도에 따라 여행지를 추천해 주는 시스템을 제안하고 구현하였다. 사용자 개인의 선호도를 파악하기 위해 사용자의 프로파일, 어플리케이션 내의 검색 정보, 웹 검색 정보와 페이스북 정보 등을 활용한다. 또한 실험적인 구현 사례로 시범 서비스 국가인 영국에 대하여 여행지 정보 데이터베이스를 개념과 관계를 중심으로 온톨로지를 구축하고 이를 중심으로 개인 선호도에 따라 여행지를 추천한다. 이 시스템의 개인화된 추천 방식을 이용함으로써 사용자는 자신이 관심 있는 여행지를 추천받아 이를 중심으로 여행 계획을 수립할 수 있다.

• 한국콘텐츠학회논문지
• /
• 제8권1호
• /
• pp.318-327
• /
• 2008

정보기술의 발전과 인터넷 사용의 증가로 이용가능한 정보들의 양이 폭발적으로 증가한다. 콘텐츠 추천 시스템은 사용자가 원하지 않는 정보를 필터링하고 유용한 정보를 추천하는 서비스를 제공한다. 기존의 추천 시스템은 데이터마이닝 기법으로 웹 접속 기록 및 유형과 사용자가 요구하는 정보를 서비스 제공자 측면에서 분석하여 콘텐츠를 제공한다. 사용자의 선호도와 생활패턴 등의 사용자 측면에서의 정보들의 표현이 어려웠기 때문에 제한된 서비스를 제공할 수 밖에 없었다. 시맨틱 웹 기술은 이미지, 문서 등의 모든 객체를 대상으로 목적에 맞는 정보를 수집, 가공, 응용할 수 있도록 데이터 간에 잘 정의된 의미 있는 관계를 만들 수 있다. 본 논문에서는 시맨틱 웹 환경에서 개인화 프로파일을 동적으로 갱신하여 반영할 수 있는 콘텐츠 추천 검색 시스템을 제안한다. 개인화 프로파일은 프로파일의 특징을 담고 있는 컬렉터, 다양한 컬렉터들로부터 프로파일을 수집하는 수집기, 프로파일 특성에 기반한 고유의 프로파일 컬렉터를 해석하는 해석기로 구성된다. 개인화 모듈은 콘텐츠 추천 서버에서 개인화 프로파일과 주기적으로 동기화할 수 있도록 도와준다. 추천 콘텐츠로 음악을 선택하여 서비스 시나리오에 따라 개인화 프로파일이 콘텐츠 추천 서버에 전달되어 사용자의 선호도와 생활패턴이 반영된 추천리스트를 제공하는지 실험한다.

• 한국콘텐츠학회논문지
• /
• 제10권11호
• /
• pp.10-19
• /
• 2010

컴퓨터와 웹의 발달은 사람들이 이용할 수 있는 정보의 양을 급격히 늘렸으며, 이로 인해 추천시스템에 대한 수요가 증가하고 있다. 전자도서관에서도 다른 분야와 마찬가지로 개인화 및 추천시스템에 대한 연구가 중요한데, 연구논문 추천시스템에 대한 연구는 극히 제한적으로 이뤄지고 있고, 국내에서는 거의 찾아보기 어려울 정도이다. 본 논문에서는 국내외에서 수행된 추천시스템에 대한 연구를 조사분석하고, 이를 토대로 전자도서관 연구논문 추천시스템 구축방안을 KISTI NDSL을 중심으로 제안한다. 현재 NDSL에서 제공하는 알리미서비스를 암묵적 방식으로 바꾸어서 이용자의 프로파일을 구축할 것과 이용자 및 메모리 기반의 협업 필터링을 병행하여 내용기반의 필터링이 가지는 연구논문 추천에서 신규성이 부족한 단점을 보완할 것을 제안한다. 또한 두 기법을 함께 사용하는 방식과 온톨로지와 분할방식에 의한 필터링을 이용하여 추천 만족도를 높이는 방식에 대해서도 제안한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2015년도 제52차 하계학술대회논문집 23권2호
• /
• pp.169-172
• /
• 2015

웹툰의 양은 방대하여 사용자가 원하는 웹툰을 찾는데 어려움이 있기 때문에 체계적인 추천 시스템이 필요하다. 하지만 기존의 추천 시스템은 조회수가 많은 인기 웹툰을 추천하는 방식과 사용자와 비슷한 연령대, 성별의 사용자들이 조회한 콘텐츠를 추천해주는 인구 통계학적 추천(demographic filtering)방식, 그리고 비슷한 사용자를 분석하여 추천해주는 협업적 추천(collaborative filtering)방식에 국한되어 있어, 개인의 성향을 반영하여 추천하고 있다고 보기 어렵다. 따라서 사용자 개인의 성향을 분석하는 방식에 대한 시도가 필요하다. 본 연구에서는 이러한 한계를 극복하기 위해서 개인의 성향을 분석하는 지표로 MBTI(Myers-Briggs Type Indicator) 유형을 이용하고, 같은 MBTI 유형의 사용자간의 협업적 필터링 추천 방식을 제안하였다. 또, 협업적 필터링 방식에서 발생하는 콜드 스타트 문제와 초기 평가자 문제를 해결하는 방안을 제시하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송공학회 2015년도 하계학술대회
• /
• pp.195-198
• /
• 2015

최근 TV 서비스의 가입자 및 TV 프로그램 콘텐츠의 급격한 증가에 따라 빅데이터 처리에 적합한 추천 시스템의 필요성이 증가하고 있다. 본 논문은 사용자들의 간접 평가 데이터 기반의 추천 시스템 디자인 시, 누적된 사용자의 과거 이용내역 데이터를 저장하지 않고 새로 생성된 사용자 이용내역 데이터를 학습하는 효율적인 알고리즘이면서, 시간 흐름에 따라 사용자들의 선호도 변화 및 TV 프로그램 스케줄 변화의 추적이 가능한 토픽 모델링 기반의 알고리즘을 제안한다. 빅데이터 처리를 위해서는 분산처리 형태의 알고리즘을 피할 수 없는데, 기존의 연구들 중 토픽 모델링 기반의 추론 알고리즘의 병렬분산처리 과정 중에 핵심이 되는 부분은 많은 데이터를 여러 대의 기계에 나누어 병렬분산 학습하면서 전역변수 데이터를 동기화하는 부분이다. 그런데, 이러한 전역데이터 동기화 기술에 있어, 여러 대의 컴퓨터를 병렬분산처리하기위한 하둡 기반의 시스템 및 서버-클라이언트간의 중재, 고장 감내 시스템 등을 모두 고려한 알고리즘들이 제안되어 왔으나, 네트워크 대역폭 한계로 인해 데이터 증가에 따른 동기화 시간 지연은 피할 수 없는 부분이다. 이에, 본 논문에서는 빅데이터 처리를 위해 사용자들을 클러스터링하고, 클러스터별 제안 알고리즘으로 전역데이터 동기화를 수행한 것과 지역 데이터를 활용하여 추론 연산한 결과, 클러스터별 지역별 TV프로그램 시청 토큰 별 은닉토픽 할당 테이블을 유지할 때 추천 성능이 더욱 향상되어 나오는 결과를 확인하여, 제안된 구조의 추천 시스템 디자인의 효율성과 합리성을 확인할 수 있었다.

• 응용통계연구
• /
• 제34권3호
• /
• pp.329-345
• /
• 2021

추천 시스템은 고객의 데이터를 이용하여 개인 맞춤화된 상품을 추천한다. 추천 시스템은 협업 필터링, 콘텐츠 기반 필터링 그리고 이 두 가지를 합친 하이브리드 방법의 세 가지로 크게 나누어진다. 이 연구에서는 딥러닝 방법론에 기초한 오토인코더를 이용한 추천 시스템에 대한 소개와 그 모형들의 비교 연구를 진행한다. 오토인코더는 데이터 행렬에 0이 많은 경우의 문제를 효과적으로 다룰 수 있는 딥러닝 기반의 비지도학습 모형이다. 이 연구에서는 세 개의 실제 데이터를 이용하여 다섯 가지 종류의 오토인코더 기반 모형들을 비교한다. 처음의 세 개 모형은 협업 필터링에 속한 모형이고 나머지 두 개의 모형은 하이브리드 모형이다. 실제 데이터는 고객의 평점 데이터이고, 대부분의 평점이 없어서 희박성 비율이 높다는 특징이 있다.