• 산업경영시스템학회지
• /
• 제29권1호
• /
• pp.76-86
• /
• 2006

다양한 데이터 마이닝 기법들의 발전과 더불어, 속성(Feature 또는 Attribute)의 범위(Dimension)를 줄이기 위해 많은 요소 선택 방법이 개발되었다. 이는 확장성(Scalability)을 향상시킬 수 있고 학습 모델(Learning Model)을 더욱 쉽게 해석할 수 있도록 한다. 이 논문에서는 네스티드 분할(Nested Partition, 이하 NP)을 이용한 새로운 최적화 기반 속성 선택 방법을 NP 기본 구조와 다양한 실험 문제의 수치적 결과들과 함께 제시하여 어떻게 NP의 최적화 구조가 속성 선택 과정에 기여를 하고 있는지 보여준다. 그리고 이 새로운 지능적인 분할 방법이 어떻게 매우 효율적인 분할을 수행하는지를 제시한다. 이 새로운 속성 선택 방법은 필터(Filter)방법과 래퍼(Wrapper)방법 두 가지로 구현될 수 있다. 사례 연구로서, B2B e-비즈니스 시스템에서 효과적으로 사용될 수 있는 추천 시스템(Recommender System)을 제안하였다. 이 추천 시스템은 분류 기법(Classification Rule)과 제시된 NP 기반 요소 선택 방법을 사용하고 있다. 이 추천 시스템은 사용자의 인터넷 경매 참여를 추천하는데 사용되며, 이 때 제안된 요소 선택 앨고리듬은 추천 규칙들이 쉽게 이해될 수 있도록 모델을 간략화 하는데 사용된다.

• 한국과학교육학회지
• /
• 제28권2호
• /
• pp.111-119
• /
• 2008

과학 영재교육 대상자 선발방법으로써의 교사 추천제를 객관적으로 분석하기 위해, 과학 교사가 추천한 학생들의 과학적 태도, 탐구력, 논리적 사고력, 창의적 문제 해결력, 창의성 점수를 과학 영재원 재학생 및 일반학급 학생들의 점수와 비교하였다. 분석 결과, 과학 영재원 재학생과 교사 추천 학생은 일반 중학교 학생보다 모든 영역에서 높은 점수를 얻었으며, 과학 영재원 재학생과 교사 추천 학생 사이에는 유의미한 차이가 없었다. 이는 과학 영재학생 선발을 위해 교사 추천제를 적극적으로 활용할 필요가 있음을 시사한다.

• 한국도서관정보학회지
• /
• 제53권1호
• /
• pp.231-263
• /
• 2022

인공지능에 대한 이해 및 업무분야에서의 활용 능력은 지식 정보화 시대를 살아가는 모든 사람에게 기본 역량으로 강조되고 있으며, 이에 따라 인공지능에 대한 교육의 필요성은 대학 구성원들에게도 높게 인식되고 있다. 국내외 대학도서관 역시 효과적인 인공지능 콘텐츠 제공의 필요성을 인식하여 전자 형태의 디지털 콘텐츠를 제공하고 있으나, 인공지능이라는 정보 기술에 특화된 이용자 맞춤형 추천은 제공되고 있지 않고 있으며 이러한 추천서비스에 대한 이용자의 관심 파악 역시 미비하다. 대학생의 인공지능 교육에 대한 수요가 증가하고 있는 상황에서, 대학도서관에서의 인공지능 관련 콘텐츠 추천에 대한 이용자의 이용의사를 파악하고 효과적인 서비스 수립을 위한 조사가 절실히 필요한 시점이다. 본 연구는 확장된 기술수용모델을 활용하여 인공지능 주제 분야에 특화된 디지털 교육 콘텐츠를 추천해주는 서비스에 대한 이용자들의 사용의도에 영향을 주는 요인을 도출하였으며, 대학생을 대상으로 한 온라인 설문조사, 대학도서관 사서들과의 서면인터뷰를 통해 각 요인별 영향력을 조사하고, 성공적 수행을 위한 제언을 수렴하였다. 연구결과, 인공지능관련 교육콘텐츠 추천시스템 사용의도는 성별, 학년, 전공계열에 상관없이 사용의사가 있다고 조사되었고, 과제적합성요인이 사용의도에 가장 영향을 미치는 요인임이 파악되었다. 사서들 또한 서비스의 필요성을 깊이 공감하고 있었고 현실적인 제약사항으로 예산과 콘텐츠 품질 문제를 제시하였다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.99-105
• /
• 2021

넥플릭스,유튜브로 대표되는 OTT 동영상 제작 서비스에 인공지능으로 콘텐츠를 개인별 맞춤식 추천 시스템은 보편화 되었다. 유튜브의 개인별 맞춤 추천서비스 시스템은 두 개의 신경망으로 구성되는데 신경망 하나는 추천 후보생성 모델이고 다른 하나는 순위평가 네트워크로 구성된다. Netflix의 동영상 추천 시스템은 두 개 데이터 분류 시스템으로 구성되어 있으며 콘텐츠 기반 필터링과 협업 필터링으로 나누어진다. 코로나 펜데믹으로 온라인 플랫폼 주도의 콘텐츠 제작이 활성화 되면서 인공지능을 활용한 가상 인플루언서 분야가 부각되고 있다. 가상인플루언서는 GAN(Generative Adversarial Networks) 인공지능으로 제작되는데 성격이 다른 두 시스템이 서로 경쟁하는 방식으로 학습이 반복되는 비교사(Unsupervised) 학습 알고리즘이다. 이 연구는 AI 개인별 추천 기반 플랫폼과 가상인플루언서(메타버스)가 향후 OTT의 핵심콘텐츠로의 발전 가능성도 연구해 보았다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 추계학술발표대회
• /
• pp.655-658
• /
• 2020

최근 IT 기술의 발달로 태블릿, 스마트폰과 같은 다양한 디바이스로 손쉽게 음악을 감상할 수 있다. 하지만 최근 이런 기술 발달과는 다르게 사용자가 원하는 음악을 검색하는 방법은 고전적인 형태에서 벗어나지 않고 있다. 기존 음악 검색 방법은 텍스트 기반, 내용 기반, 소비자 감성 기반의 음악 추천 검색 방법이 있으며 저장된 메타 데이터를 이용하여 사용자의 질의에 대한 결과만 제공할 뿐 사용자의 경험 정보를 고려하지 않는다. 그리고 기존 플랫폼들은 사용자가 최근 많이 들은 가수, 장르, 분위기를 종합하여 사용자에게 어울리는 음악을 추천을 할 뿐 사용자의 경험정보를 고려하여 음악을 추천하지는 않는다. 본 논문에서는 사용자의 경험 정보를 활용하여 사용자 맞춤형 음악 추천 시스템을 제안한다. 본 시스템은 사용자의 현재 기분 정보, 주변 날씨 정보 등을 입력 받는다. 이후, 경험 정보를 기반으로 결정 트리를 통해 사용자 요구 기반의 음악 추천 시스템을 구축하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권1호
• /
• pp.35-44
• /
• 2021

4차 산업 혁명 시대의 도래에 따라 직업 환경의 변화가 가속화되고 있으며, 이와 함께 교육의 패러다임이 자유학기제와 고교학점제에 바탕을 둔 진로교육을 중심으로 변화하고 있다. 하지만, 학생들의 자율적인 진로 탐색을 지향하는 자유학기제 및 고교학점제의 정책적 목표와 달리, 진로교육 콘텐츠의 개발과 이용에 있어 교사 및 학생들의 한계가 존재하고, 이를 뒷받침할 에듀테크 기술 연구 역시 상대적으로 부족한 실정이다. 따라서 본 연구는, 교육 현장에서의 진로교육 실태를 바탕으로, 에듀테크 기술이 교과연계 진로교육과 관련해 갖춰야 할 요구조건을 세 가지로 정의하였다. 다음으로 데이터 기반 인공지능 기술을 통해, 진로탐색용 탐구주제와 고교 과목, 그리고 대학에서 수학 가능한 전공을 아우를 수 있는 데이터 시스템 및 인공지능 추천 모델을 제안하였다. 마지막으로 실험을 통해, 셋 인코딩-디코딩 기반 인공지능 추천 모델이 진로교육 콘텐츠 추천에서 만족할 만한 성능을 보이는 것을 확인하였고, 교육 현장에서의 실제 적용 결과 또한 만족스럽다는 것을 확인하였다.

• 한국조명전기설비학회지:조명전기설비
• /
• 제2권1호
• /
• pp.59-64
• /
• 1988

우리나라 주택 조명에 대하여 조도 수준을 조사한 결과, 평균적으로 도시지역은 추천치의 1/3, 농어촌 지방은 추천치의 1/10에도 못미치는 것으로 나타났다. 따라서, 능률적인 활동과 주민 복지의 견지에서 조명등의 설비와 용량의 상당한 증대를 통하여 적당한 조도 수준을 얻는 것이 요망된다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.

• 한국전자거래학회지
• /
• 제18권2호
• /
• pp.279-299
• /
• 2013

고객 취향에 가장 적합한 제품을 선택하는 것은 전자상거래에서 중요한 문제이다. 전자상거래 그러나 온라인 추천시스템으로서 알려진 소셜 필터링은 전자상거래에서 기술적 접근이 활발히 연구되어왔다. 온라인 추천시스템은 사용자의 개인적 취향과 관련하여 적절한 제품을 필터링하여 제공함으로서 사용자의 의사결정 품질을 향상시키는 것에 목적을 두고 있으며 그 결과 사용자의 제품 탐색과 선택에 대한 지원이 가능하다. 그러나 대다수 추천시스템의 선행연구들은 추천 알고리즘의 정확성을 향상시키는 것에 집중해 왔으며 사용자 기반의 인터페이스나 사용자 관점의 사용방식에 대한 연구는 매우 적은 실정이다. 추천시스템의 추천 상황에 대한 시스템 투명성과 사용자의 추천에 대한 피드백을 통한 추천방식 개선을 통하여 본 연구는 사용자 관점의 추천시스템 활용에 대한 시스템 투명성과 피드백의 영향력을 파악하고자 하였다. 실험을 통한 연구 결과에 따라, 시스템 투명성과 사용자 피드백 모두 추천시스템에 대한 사용자의 인지된 신뢰, 프로세스 가치, 인지된 즐거움에 영향을 주는 것으로 나타났다. 특히, 인지된 신뢰, 프로세스 가치, 즐거움은 사용자가 추천시스템을 지속적으로 사용하기 위한 의도를 향상시키는 것으로 나타났다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.341-342
• /
• 2021

본 논문에서는 운동 관련 빅데이터를 적용한 인공지능을 활용하여 개개인에게 알맞은 운동 루틴을 추천해 주는 비대면 방식 PT를 제안한다. 이 정책은 '건강한 사람이 앱을 만나 더 건강해진다.'는 모토를 중심으로, 홈 트레이닝을 하고 싶지만 운동방법을 모르는 사람들로 하여금 자신에게 맞추어진 루틴 구성을 통해 운동 수행능력의 효율성을 높이고, 잘못된 자세로 인한 부상 등을 최소화한다. 또한 이 정책은 기존의 일일이 사용자가 입력해야 했던 시스템들에서 머신러닝을 통한 AI 알고리즘을 통한 추천을 통해 비대면 방식의 수동적인 운동 방식에서 AI가 트레이너 역할을 해주는 방식으로 사용자와 상호작용하고, 정확한 운동 목표를 추천함으로써 운동 지속성과 동기성을 부여한다. 본 논문에서는 프로토타입을 통해 제안하는 AI를 적용한 맞춤 헬스 정책이 기존의 헬스 앱 업계에서 시장성을 보일 수 있다는 가능성에 의의를 둔다.