• Proceedings of the Korean Information Science Society Conference
• /
• 2001.04b
• /
• pp.268-270
• /
• 2001

전자상거래에서 최근 대부분의 개인화된 추천 에이전트 시스템들은 협동적 필터링 기술을 적용하고 있다. 이 방법은 고객의 취향에 맞는 상품을 예측하고 추천하기 위하여 비슷한 선호도를 가지는 다른 고객들과의 상관 관계를 구하기 위하여 일반적으로 피어슨 상관 계수를 이용한다. 그러나 이 방법은 오직 두 고객 사이에서 두 고객 모두 평가를 한 상품이 있을 때에만 상관 관계를 구할 수 있으므로 예측의 정확성이 떨어질 수 있다. 본 논문에서는 이러한 이웃 선정 방법에 대한 문제점을 보완하기 위하여 비슷한 선호 패턴을 가지는 고객들를 보다 적절히 군집화하여 이 군집에 속한 고객들의 평가를 기반으로 협동적 필터링 기술을 수행하는 방법을 제안하고, 기존의 협동적 필터링 기술과의 비교 실험을 통해 성능을 평가 하였다. 실험결과 본 논문에서 제안한 방법이 기존의 방법보다 우수함을 확인할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.04a
• /
• pp.561-564
• /
• 2002

최근 전자상거래 시스템에서 구매 촉진을 위해 사용하고 있는 핵심기술은 고객들로부터 얻어진 구매정보를 기초로 고객이 좋아할 만한 제품을 예측하여 고객에게 정보를 제공하는 추천시스템이다. 이러한 추천시스템을 위한 추천알고리즘으로서 협동적 필터링(collaborative filtering) 알고리즘이 많이 사용되고 있다. 이 논문에서는 기존의 협동적 필터링 알고리즘의 성능을 향상시킨 동시출현 빈도 개념 알고리즘과 제한 피어슨 알고리즘을 접목시켜서, 사용자 선호도의 예측 정확도를 좀 더 향상시킬 수 있는 새로운 방법을 제안하고, 실험을 통해서 제안한 방법의 예측 정확도의 우수성을 증명하였다.

• Journal of The Korean Association of Information Education
• /
• v.11 no.3
• /
• pp.281-288
• /
• 2007

Collaborative filtering is a method to predict preference items of a user based on the evaluations of items provided by others with similar preferences. Collaborative filtering helps general people make smart decisions in today's information society where information can be easily accumulated and analyzed. We designed, implemented, and evaluated a course recommendation system experimentally. This system can help university students choose courses they prefer to. Firstly, the system needs to collect the course preferences from students and store in a database. Users showing similar preference patterns are considered into similar groups. We use Pearson correlation as a similarity measure. We select K-nearest students to predict the unknown preferences of the student and provide a ranked list of courses based on the course preferences of K-nearest students. We evaluated the accuracy of the recommendation by computing the mean absolute errors of predictions using a survey on the course preferences of students.

• Proceedings of the Korean Information Science Society Conference
• /
• 2008.06c
• /
• pp.397-401
• /
• 2008

추천시스템은 일반적으로 협동적 필터링이라는 정보 필터링 기술을 사용한다. 협동적 필터링은 유사한 성향을 갖는 다른 고객들이 상품에 대해서 매긴 평가에 기반하기 때문에 고객에게 가장 적합한 유사 이웃들을 적절히 선정해 내는 것이 추천시스템의 예측의 질 향상을 위해서 필요하다. 본 논문에서는 다중 속성 정보를 기반으로 한 다단계 클러스터링을 통한 이웃선정 방법을 제안한다. 이 방법은 대규모 데이터 셋에서 탐색 공간을 줄이기 위해 클러스터링을 수행하여 적절한 이웃 고객들의 집합을 검색하여 추출한다. 이 때, 다중 속성 정보에 따라 단계적으로 클러스터링을 수행함으로써 보다 정제된 고객 집합을 구성할 수 있도록 한다. 본 논문에서는 고객 선호도와 위치 정보 및 아이템의 선호도와 위치 정보를 대표적인 속성 정보로 사용함으로써 모바일 환경에서 보다 정확한 추천이 이루어질 수 있도록 한다.

• The KIPS Transactions:PartD
• /
• v.14D no.3 s.113
• /
• pp.347-354
• /
• 2007

It is not easy for the customers to search the valuable information on the goods among countless items available in the Internet. In order to save time and efforts in searching the goods the customers want, it is very important for a recommender system to have a capability to predict accurately customers' preferences. In this paper we present a refined neighbor selection algorithm for clustering based collaborative filtering in recommender systems. The algorithm exploits a graph approach and searches more efficiently for set of influential customers with respect to a given customer; it searches with concepts of weighted similarity and ranked clustering. The experimental results show that the recommender systems using the proposed method find the proper neighbors and give a good prediction quality.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2000.10a
• /
• pp.289-292
• /
• 2000

인터넷이 생활의 일부분이 되어감에 따라 인터넷상에서 이루어지는 전자상거래는 빠르게 발전하고 있다. 지금까지의 전자상거래는 고객이 요구하는 제품을 판매하는 단순한 형태였다. 하지만 앞으로의 전자상거래에서는 고객이 선호할 만한 제품을 예상하여 고객에게 해당 제품을 추천해 줌으로서 양질의 서비스를 제공하고 더 많은 이익을 창출 할 수 있는 전자상거래 시스템이 요구되고 있다. 본 논문에서는 전자상거래시스템에서 이용될 수 있는 추천시스템을 개발하기 위하여 추천시스템의 핵심이 되는 사용자간 유사도에 기초한 GroupLens의 협동적 필터링 알고리즘을 실제 Data Set을 통해서 실험하였다. 또한 Data Set을 분석하여 아이템을 대표할 수 있는 장르를 결정하여 전체 학습데이터로부터 대표장르에 속하는 데이터들만을 분리하여 학습데이터로 사용하는 추천시스템을 제안하였고, 실험을 통하여 제안한 추천시스템의 타당성을 보였다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.16 no.11
• /
• pp.1116-1120
• /
• 2010

In this paper we present two refined neighbor selection algorithms for recommender systems and also show how the attributes of the items can be used for higher prediction quality. The refined neighbor selection algorithms adopt the transitivity-based neighbor selection method using virtual neighbors and alternate neighbors, respectively. The experimental results show that the recommender systems with the proposed algorithms outperform other systems and they can overcome the large scale dataset problem as well as the first rater problem without deteriorating prediction quality.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10d
• /
• pp.169-171
• /
• 2002

현저한 대역폭의 차이를 보이는 유무선 통신 환경에서 협동작업, 예를 들면 그룹 에디팅을 하기 위해서는 데이터 전송 속도의 차를 극복하는 것이 중요하다. 이를 위해 선택적 전송, 압축, 프로토콜 차원에서 지원 등 다양한 필터링 방법이 제시되고 있다. 그러나 이런 방법은 효과적으로 메시지의 수를 줄였으나 사용자가 관심을 두지 않는 부분이라도 메시지가 발생 순서에 따라 전달되기 때문에 바로 알려져야 하는 사용자에게 변경 메시지의 전송이 지연될 수 있다는 문제점이 있다. 본 논문에서는 사용자의 관심도에 따라 메시지간의 우선 순위를 부여하는 필터링 방법을 제안한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06a
• /
• pp.100-101
• /
• 2010

• The Journal of Bigdata
• /
• v.7 no.1
• /
• pp.187-192
• /
• 2022

Many schools are trying to improve students' competencies through many subjects and non-curricular activities, each students has different goals and different activities to prepare for employment. Accordingly, it is difficult to determine whether the programs offered in a comprehensive and comprehensive manner in the existing subject and non-curricular subjects systems are actually suitable for students, so it is necessary to introduce a personalized system. In this study, a method was proposed to classify non-departmental subjects that are uniformly provided to all students of Chungbuk National University by grade level and department. In addition, three types of collaborative filtering models are implemented using the evaluation score of students who participated in the non-curricular program, and personalized recommendations are proposed with the most accurate model by comparing performance.