• Journal of Digital Convergence
• /
• v.19 no.11
• /
• pp.17-22
• /
• 2021

In this paper, a machine learning-based automatic infographic recommendation system is proposed to improve the existing infographic production method. This system consists of a part that machine learning multiple infographic images and a part that automatically recommends infographics with artificial intelligence only by inputting basic data from the user. The recommended infographics are provided in the form of a library, and additional data can be input by drag & drop method. In addition, the infographic image is designed to be dynamically adjusted according to the size of the input data. As a result of analyzing the machine learning-based automatic infographic recommendation process, the matching success rate for layout and keyword was very high, and the matching success rate for type was rather low. In the future, a study to improve the matching success rate for the image type for each part of the infographic will be needed.

• Journal of Korea Multimedia Society
• /
• v.13 no.3
• /
• pp.475-486
• /
• 2010

Contents Recommender System predicts user's preferences towards contents, and then recommends highly-predicted contents to user. Digital Identifier plays its part in identifying abstract works or digital contents in digital network environment. Digital Identifier could be effectively used in content-based filtering and collaborative filtering that are mainly used in Contents Recommender Systems. Therefore, this paper proposes an improvement of UCI metadata and resolution service for effective use of UCI in massive contents recommender systems. UCI metadata is expanded by adding elements such as abstract, keyword, genre, age, rate and review. Resolution service allows the operation systems to collect user preference for content by including input part of preference in a result page. This paper also designs and implements an improved UCI operation system and shows that the proposed improvement of UCI metadata and resolution service could be used for massive contents recommendation.

• Journal of Internet Computing and Services
• /
• v.6 no.2
• /
• pp.99-115
• /
• 2005

Extensible Markup Language (XML) is an Internet standard that is used to express and convert data, In order to find the necessary information out of XML documents, you need a search system for XML documents, In this research, we have developed a search system that can find documents that matches the structure and content of a given XML document, making the best use of XML structure, Search metrics take account of the similarity in tag names, tag values, and the structure of tags, After a search, the system displays the ranked results in the order of aggregate similarity, Three methods of query are provided: keyword search which is conventional; search with tag names and their values; and search with XML documents, These three methods enable users to choose the method that best suits their preference, resulting in the increase of the usefulness of the system.

• Journal of the Korea Society of Computer and Information
• /
• v.26 no.1
• /
• pp.265-274
• /
• 2021

In this paper, we propose a novel recommendation model based on Doc2vec using search keywords and product details. Until now, a lot of prior studies on recommender systems have proposed collaborative filtering (CF) as the main algorithm for recommendation, which uses only structured input data such as customers' purchase history or ratings. However, the use of unstructured data like online customer review in CF may lead to better recommendation. Under this background, we propose to use search keyword data and product detail information, which are seldom used in previous studies, for product recommendation. The proposed model makes recommendation by using CF which simultaneously considers ratings, search keywords and detailed information of the products purchased by customers. To extract quantitative patterns from these unstructured data, Doc2vec is applied. As a result of the experiment, the proposed model was found to outperform the conventional recommendation model. In addition, it was confirmed that search keywords and product details had a significant effect on recommendation. This study has academic significance in that it tries to apply the customers' online behavior information to the recommendation system and that it mitigates the cold start problem, which is one of the critical limitations of CF.

• The Journal of Information Systems
• /
• v.29 no.4
• /
• pp.101-121
• /
• 2020

Purpose The purpose of this study is to understand the current status of MIS curriculum and to find ways to improve it. In addition, the results of the research can be used as basic data for improving MIS curriculum. Design/methodology/approach A research framework was designed to derive research results using the keyword network analysis method of this study: 1) Keywords were extracted based on the six units of the big data analysis job competency. 2) And based on the extracted keywords, the relationship between the keywords and MIS curriculum for each university was identified. Findings In the MIS curriculum information of a few universities, education related to big data analysis was conducted. 1) In the MIS curriculum of a few universities, education related to big data analysis was conducted. However, MIS curriculum of the university, which is the subject of analysis, education focused on concepts and theory rather than practical education was conducted. 2) And it was confirmed that there is a difference from the education required by the industry.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06b
• /
• pp.166-170
• /
• 2008

인터넷을 통한 검색은 사용자가 찾으려는 정보를 일반적으로 브라우저를 통해 표현해주고 있다. 본 연구서는 웹 사용자에게 기존의 브라우저가 아닌 화면 분할을 통하여 인터넷 사용의 효율을 높이는 방식을 제공하였다. 그 중에 WEB 2.0의 Ajax를 사용하여 웹 페이지를 분할 후 특정 브라우저와 상관없이 복수 페이지의 접근을 가능하게 하고 검색의 효율성을 높이기 위해 하나의 브라우저에서 서로 다른 검색엔진의 Open API가 작동되도록 하였다. 한번의 키워드 입력과 한번의 클릭으로 검색엔진 마다 방문 할 필요없이 하나의 브라우저에서 각각의 검색 결과를 사용자에게 제공해 주도록 하여 검색 시간을 감축하고, 결과를 비교 분석하므로 웹 서핑의 효율성을 높여주는 시스템을 구현하였고 이를 입증하였다.

• Annual Conference on Human and Language Technology
• /
• 2001.10d
• /
• pp.494-499
• /
• 2001

최근의 인터넷 정보검색은 방대한 정보의 수용과 지능적이고 개인화된 검색 결과 요구라는 사뭇 상반된 요구를 만족시켜야 한다. 기계적으로 키워드를 매칭시켜 나오는 문서를 사용자에게 맡기는 식의 검색은 더 이상 환영을 받지 못한다. 우리는 이러한 추세에 맞추어 의미기반 정보검색에 필요한 개념망과 정답문서집합으로 구성된 지식베이스를 제안한 바 있다. 본 논문에서는 방대한 구조의 개념망과 연결되는 정답문서집합을 유동적인 인터넷 환경에 적용하기 위해 자동으로 구축하는 시스템을 제시한다. 자동구축은 문서분류(document categorization) 기술을 활용하여 개념어에 문서를 할당하는 방법과 속성에 문서를 할당하는 방법으로 나누어 이루어진다. 제시한 방법은 실험을 통하여 기본적인 속성 할당에는 상당한 효과가 있는 것으로 판단되었고, 일부 미할당 문서에 대해서는 클러스터링과 같은 다른 알고리즘이 필요하다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.04b
• /
• pp.847-850
• /
• 2001

영상과 같은 다양하고 복잡한 데이터 검색은 기존의 키워드를 이용한 검색이 아닌 내용 기반 검색 방법이 요구된다. 본문은 JPEG/MPEG 과 같은 영상 압축 기법에서 사용되는 DCT 변환 부호화를 이용하여 각 블록의 평균인 DC 성분을 얻어 이 정보를 이용하여 영상을 검색하는 방법을 제시한다. 기존의 방법은 단순히 DCT 전체 성분을 이용하는 방법으로, 영상 전체의 DCT 정보를 처리하여야 하므로 시간과 메모리의 낭비가 있을 수 있다. 본문에서는 이러한 처리시간과 메모리의 낭비를 막기 위해 DC 성분만을 이용하여 영상 검색을 하며, 영상이 실제로 있는 부분에서는 블록의 크기를 가변적으로 변경하여 검색의 오류를 줄일 수 있다. 또한 검색을 전체 영상에 대한 빠른 1 차 검색과 동일 패턴을 가진 영상의 2 차 세부 검색으로 나누어 실행함으로써 보다 빠른 검색을 할 수 있다. 한편, 겹쳐진 영상에 대해서도 검색이 가능하다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.276-278
• /
• 2012

모바일 환경에서 정보 검색 시, 사용자가 질의를 구체적으로 입력하는 것이 번거로운 문제점이 있다. 본 논문은 모바일 환경에서의 효율적인 검색 성능 향상을 위해 단일 문서 피드백을 이용한 개념적인 재순위화 방법을 제안한다. 사용자는 질의 의도와 관련있는 문서 하나를 시스템에 피드백한다. 제안한 방법은 피드백된 문서와 앞서 검색된 문서들을 위키피디아의 표제어로 표현되는 개념적인 차원으로 맵핑함으로써 개념적인 수준에서 검색 결과를 재순위화한다. 최근 한국어 뉴스 및 블로그를 대상으로 한 실험 결과 키워드 기반 피드백 방법에 비해 제안한 방법이 높은 성능을 보였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.881-884
• /
• 2017

스마트 디바이스가 대중화 되면서 각종 사건 사고에 대한 데이터가 SNS 상에 실시간으로 업데이트 된다. SNS의 이런 특성을 이용하여 이용자 개개인이 사고감지센서의 역할을 하면 빠른 사고감지가 가능하다. 하지만 기존 연구들은 단순히 키워드의 출현 빈도로 사고를 판단하는 방식과, 문법파괴 요소가 많은 트위터의 특성으로 인해 정확성에서 한계를 보인다. 본 연구에서는 사고감지의 정확도를 높이기 위해 형태소로 분석한 트윗을 벡터화하여 다층퍼셉트론신경망으로 학습시키는 모델을 구현하였다. 연구 결과 일반명사로 이루어진 40개의 단어를 사용했을 때 가장 높은 82.58%의 정확도를 얻었다.