• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1202-1203
• /
• 2023

본 논문은 스팀(Steam) 게임 플랫폼을 기반으로 약 1000개의 게임 데이터를 활용하여 사용자들에게 알맞은 게임을 추천해주는 시스템을 제안한다. 게임 선택에 영향을 주는 요인들을 언어 객체로 설정하여 규칙 기반 추론 시스템을 구현했다. 선호도 정보는 게임 선택의 기준이 되는 세 가지 요소에 대한 질문에 답하는 방식으로 수집된다. 게임 추천 결과를 시각화하여 신규 유저를 게임에 유입하고 몰입을 촉진하고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.145-146
• /
• 2023

본 논문에서는 최대 규모의 게임 플랫폼인 Steam에서 수집한 유저 정보 데이터 셋에 Item2vec과 LSTM을 사용하여 추천 시스템을 구현한다. 수집한 유저 정보 데이터 셋에 Item2vec을 적용하여 각각의 유저들이 보유하고 있는 고유한 Appid들을 200차원의 벡터로 변환한다. 그 후 데이터 셋을 기간에 따라 4단계의 시퀀스로 나눈 후 LSTM을 사용하여 유저별로 최대 5가지의 추천 리스트를 생성한다. 유저 정보 데이터 셋은 액티브한 유저 정보를 얻기 위해 Steam 게임 리뷰 항목에서 리뷰를 남긴 유저들의 데이터를 api를 사용해 수집했으며 LSTM을 사용한 실험의 성능 평가 지표는 RMSE를 사용했고 이때의 성능은 0.1357을 얻을 수 있었다.

• 한국빅데이터학회지
• /
• 제7권1호
• /
• pp.187-192
• /
• 2022

많은 대학교에서 다양한 교과 및 비교과 활동을 통해 학생들의 취업 역량을 향상하기 위해 노력하고 있지만, 취업을 준비하는 학생마다 목표와 하고자 하는 활동이 다르다. 따라서 기존에 획일적이고 종합적으로 제공하고 있는 프로그램이 실제로 학생들에게 적합한지 여부를 판단하기 어려우므로 개인화 추천 시스템의 도입이 필요하다. 본 연구에서는 충북대학교의 모든 학생에게 일괄적으로 제안되고 있는 비교과 프로그램을 학년 및 학과별로 분류하여 제시하는 방법을 제안하였다. 또한, 비교과 프로그램에 참여한 학생의 평점 데이터를 사용하여 협업 필터링 모델 3가지를 구현하고, 성능을 비교해 가장 정확도가 높은 모델로 개인화된 맞춤형 추천을 제안한다.

• 정보관리학회지
• /
• 제24권2호
• /
• pp.89-104
• /
• 2007

본 연구는 대용량 음악콘텐츠환경에서 개인화 추천 서비스를 위한 기반구조의 제공을 위하여 시도되었다. 추천서비스를 위한 기존의 많은 연구와 상용프로그램에도 불구하고 대규모의 쇼핑몰들은 개인화 추천서비스와 실시간으로 대용량의 데이터를 처리할 수 있는 추천시스템을 필요로 하고 있다. 이를 위하여 본 연구에서는 데이터마이닝 기술과 새로운 패턴매칭 알고리즘을 제안하고 있다. 콘텐츠 주제분야에 대한 이용자의 선호도를 이용한 이용자 분할을 위하여 군집화 기법이 사용되었다. 다음으로는 군집화를 통하여 생성된 분할된 이용자 그룹에서 개별 이용자의 콘텐츠에 대한 접근 패턴의 추출을 위하여 순차패턴 마이닝기법을 적용하였다. 최종적으로 각각의 이용자 군집의 콘텐츠 접근 패턴과 콘텐츠 선호도에 기반한 제안된 추천 알고리즘에 의해 추천이 이루어진다. 이러한 추천을 위하여 기반 구조와 함께, 전처리과정과 원본 데이터의 형식변환이 데이터베이스에서 수행되어진다. 본 연구에서 제안하고 있는 기반구조의 적절성을 보여주기 위하여 제안된 시스템을 구현하였다. 실제 이용자에 의해 이용된 데이터를 실험에 적용하였으며, 해당 실험에서 추천은 실시간으로 이루어졌으며 추천결과에 있어서는 적절한 정확성을 보여주고 있다.

• 한국콘텐츠학회논문지
• /
• 제22권7호
• /
• pp.164-175
• /
• 2022

OTT(Over The Top) 플랫폼은 개인화된 추천 서비스가 이용자들을 플랫폼에 더 오래 머물게 하고, 더 자주 방문하게 한다는 점에서 차별적 경쟁우위 특성을 강화하기 위해 노력하고 있다. 본 연구에서는 개인화된 추천 서비스의 특성을 추천 정확성과 추천 다양성, 추천 신기성의 3가지로 구분하고, 각 특성이 이용자가 추천 서비스에 대해 인지하는 유용성에 영향을 미치고, 기대충족으로 이어지는 연구모형을 제안하였다. 넷플릭스를 정기구독 결제하는 20, 30대 300명을 대상으로 온라인 설문조사를 진행한 결과, 추천 서비스의 정확성과 다양성, 신기성이 높았을 때 지각된 유용성이 높아짐을 확인하였다. 높은 지각된 유용성은 넷플릭스 이용 전후의 기대충족으로 이어진다는 점 역시 확인하였다. 도출된 연구 결과는 개인화된 추천 서비스 평가에서 이용자 경험 측면의 중요성과 추천 서비스 품질 개선 방안에 대한 시사점을 제공할 수 있을 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 추계학술발표대회
• /
• pp.964-965
• /
• 2013

본 연구에서는 사용자의 감성 정보를 기반으로 한 영화 추천 시스템을 설계 및 구현하였다. 이를 위하여 영화 리뷰에서 기본적인 4가지 감성을 뜻하는 단어를 추출 및 분류하고, MovieLens Dataset의 메타데이터에 추가한 후 협업 필터링을 사용하여 영화를 추천한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.279-280
• /
• 2020

최근 소셜 미디어로 이름을 알린 이색 카페와 맛집을 찾아다니는 문화가 확산되는 추세이다. 블로그 포털 검색을 통해 찾아본 맛집은 광고성 게시물이 많아서 신뢰도가 떨어지고, 맛집 관련 게시물 수가 많아서 모든 게시물들을 수동으로 읽기는 불가능하다. 본 논문에서는 사용자들이 선호해서 자발적으로 공유하는 신뢰도 높은 인스타그램의 맛집 포스트 데이터를 이용하여 아이템 기반의 협업 필터링(Item-based Collaborative Filtering) 기법을 통해 사용자의 취향에 맞고 선호할 만한 맛집을 자동으로 추천해주는 알고리즘 및 시스템을 소개한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.288-289
• /
• 2023

본 논문은 글로벌 이슈로 인한 인플레이션과 대학 등록금 인상 우려 등으로 인해 장학금의 중요성이 부각되고 있는 상황을 고려하여 기존의 장학금 공고 게시물을 수집한 후 BERT Q&A (Bidirectional Encoder Representations from Transformers Question & Answering) 모델을 이용해 개별 맞춤형 장학 공고를 추천하는 시스템을 제안한다. 우선 웹 크롤링을 통해 장학금 정보를 수집하고, BERT Q&A 모델과 사전에 정의한 규칙 기반으로 핵심 정보를 추출한다. 이후 분류 과정을 거쳐 사용자가 입력한 정보와 매칭하여 조건에 맞는 장학금 게시물을 추천할 수 있는 어플리케이션을 구현하였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권5호
• /
• pp.171-176
• /
• 2022

최근 딥러닝 기술의 발전과 함께 추천 시스템의 영역도 다양해졌다. 본 논문은 학습률 향상을 위한 알고리즘을 연구하였으며 Word2Vec 모델의 성능 특징과 비교를 통해 단어에 따른 유의어 결과를 연구하였다. 문제 추천 알고리즘은 Word2Vec 모델의 특징인 텍스트 간 의미 반영 및 유사성 테스트를 통해 표현된 값으로 구현됐다. Word2Vec 의 학습 결과를 통해 텍스트 유사도 값을 이용해 문제 추천을 진행하였으며 유사도가 높은 문제를 추천할 수 있다. 실험 과정에서 정량적인 데이터양으로는 정확성이 낮아지는 결과를 보았으며 데이터 셋의 데이터양이 방대할수록 정확성을 높일 수 있음을 확인하였다.

• 한국빅데이터학회지
• /
• 제2권1호
• /
• pp.41-48
• /
• 2017

최근 추천 시스템의 인기와 함께 추천 시스템의 알고리즘의 성능에 대한 평가가 중요해 졌다. 본 연구는 영화 데이터에서 다양한 알고리즘 중 어떤 알고리즘의 효과적인지 판단하기 위하여 모델링과 RMSE를 통한 모델 검증을 하였다. 본 연구의 데이터는 무비렌즈의 평가 데이터 10만건을 활용하여 피어슨 상관계수를 활용한 사용자 기반 협업 필터링, 코사인 상관계수를 활용한 아이템 기반 협업 필터링 그리고 특이 값분해를 활용한 아이템 기반 협업 필터링 모델을 만들었다. 세가지 추천 모델로 평점을 예측한 결과 사용자 기반 협업 필터링보다 아이템 기반 협업 필터링의 정확도가 월등히 높은 것을 확인했고, 행렬 분해를 사용했을 때 더 정확한 추천을 할 수 있었다.