• 정보과학회 논문지
• /
• 제42권11호
• /
• pp.1380-1385
• /
• 2015

협력 필터링은 가장 성공적으로 사용되는 추천 시스템의 방법으로서, 서적, 음악 등 다방면의 상업 시스템에서 활용되어왔다. 이러한 방법의 핵심은 사용자에게 가장 적합한 추천인들을 선정하는 것인데, 이를 위하여 다양한 유사도 측정 방법이 연구되었다. 본 연구에서는 추천 성능의 향상을 위하여 기존의 유사도 값에 근거한 추천인 선정의 문제점을 파악하고 이의 개선책으로서 유사도 값과 공통평가항목수의 비율을 기준으로 하여 가변적으로 추천인을 결정하는 방법을 제시한다. 실험을 통하여 다양한 기준값에 대해 성능 변화를 관찰한 결과, 예측 성능과 추천 성능의 두 측면 모두에서 제안 방법이 매우 향상된 결과를 가져왔으며, 특히 주어진 기준값을 만족하는 추천인 수가 적을 때에도 향상된 성능 결과를 보였다.

• 한국문헌정보학회지
• /
• 제53권4호
• /
• pp.361-372
• /
• 2019

한국건설기술연구원에 운영하고 있는 해외건설엔지니어링 정보시스템(OVICE)에서는 국내 건설엔지니어링 기업들의 해외 업무수행에 필요한 정보를 서비스하기 위해 해외건설정보서비스 분류체계를 사용하고 있다. 본 연구에서는 협력적 필터링(collaborative filtering)을 통한 추천시스템의 적용을 통해 실제 사용자의 주제간 연관성을 파악하여 현재 서비스 중인 해외건설정보 분류체계의 적정성을 검증하였다. 이를 통해 실제 정보서비스 제공에 있어서 실제 사용자 수요가 반영된 정보서비스 분류 체계를 제안하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(C)
• /
• pp.122-125
• /
• 2010

사용자와 취향이 비슷한 사용자를 찾고, 이 유사 사용자가 선호한 아이템을 추천하는 협력적 필터링방식은 일반적으로 많이 사용되는 추천 방식이다. 하지만 협력적 필터링 방식은 어떤 상황적 요소도 고려하지 않아 모든 상황에서 동일한 추천 결과를 제시하게 된다. 반면, 상황을 고려한 추천 방식은 다른 상황에서 그 상황에 적합하다고 판단되는 추천 리스트를 보여주는 다양성을 가지지만 개인의 선호를 반영하지 못하는 한계를 가진다. 이에 협력적 필터링 방식과 상황에 따른 추천 방식을 함께 고려하려는 시도가 있다. 본 논문에서는 시간 상황에 따른 음악 추천 시, 전체 상황에서 가장 유사한 사용자를 찾고 이 유사 사용자의 현재 상황에서의 선호 아이템을 추천하는 모델을 제시하고 실험을 통하여 이 모델의 한계와 실용 가능한 상황을 제시한다.

• 한국지능시스템학회논문지
• /
• 제20권2호
• /
• pp.189-194
• /
• 2010

사용자들의 추천 서비스를 위해 다른 사용자들의 평가값을 이용하여 특정 사용자에게 서비스를 추천해 주는 추천 시스템은 협력적 필터링 방법을 널리 사용되고 있다. 하지만 이러한 추천시스템은 클러스터링 과정에서 이미 분류된 그룹에 특정 사용자가 분류되어 정확히 분류되지 못하고, 사용자들의 평가값 오차가 클 경우 정확하지 못한 결과를 추천할 수 있다. 본 논문에서는 예측 정확도를 높이기 위하여 특정 사용자의 분류 항목을 기준으로 재분류하고, 시간적으로 임계치를 넘어 선 사용자의 평가값을 찾아내어 보정한 후 협력적 필터링에 적용한 추천 시스템을 제안하였다. 본 시스템에서는 클러스터링 과정에서 이미 분류된 그룹에 특정 사용자를 분류하는 것이 아니라, 특정 사용자를 기준으로 그룹을 재편성하는 방법을 사용하였다. 또한 평가 정보를 표본 절사평균에서 하위 10%를 절사하여 평가 정보들을 보정하고, 나머지 자료들은 시간에 따른 가중치를 적용하였다. 실험 결과 제안한 방법은 일반적인 협력적 필터링보다 MAE를 사용할 경우 예측 정확도가 14.9% 정도 우수함을 보였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권4호
• /
• pp.467-477
• /
• 2004

추천 시스템은 예전에는 몇몇 혁신적인 전자상거래(E-commerce) 사이트에서만 사용되어 왔으나 현재는 전자상거래를 새롭게 재구성하는 필수적인 비즈니스 도구가 되어가고 있다. 그리고 협력적 필터링은 이론과 실무 분야 모두에서 가장 성공적으로 평가받은 추천 기법 중 하나이다. 그러나 개인화 추천 시스템을 구축하기 위해서는 두 가지 문제를 동시에 고려해야 한다. 즉 초기 평가 문제와 희박성 문제이다. 본 논문에서는 연관 관계 군집과 연관 규칙의 향상도를 이용하여 이러한 문제를 해결하고자 한다. 사용자의 평가 데이타를 사용하여 아이템간의 향상도를 산출하고, a-cut에 의한 임계값을 아이템들간의 연관성에 적용한다. 연관 관계 군집의 효율성을 높이기 위해서 기존의 Hypergraph Clique Clustering 알고리즘과 본 연구에서 제안하는 Split Cluster Method를 이용하였다. 군집이 완성되면, 각 군집 내부에서 아이템간의 유사도를 산출하고 빠른 액세스를 위해 인덱스를 데이터베이스에 저장한다. 새로운 아이템들의 선호도 예측 시에 생성한 인덱스를 적용시킨다. 성능을 평가하기 위해서 기존의 협력적 필터링 기술과 비교 평가하였다. 그 결과 기존의 협력적 필터링 기술의 문제점을 해결하여 예측의 정확도를 높이는데 효과적임을 확인하였다.

• 전자공학회논문지CI
• /
• 제43권4호
• /
• pp.50-57
• /
• 2006

최근 정보 기술의 발전에 따라 다양하고 폭넓은 정보들이 디지털 형태로 빠르게 생산 및 배포되고 있다. 사용자가 이러한 정보과잉 속에서 자신이 원하는 정보를 단시간 내에 검색하는 것은 그리 쉬운 일이 아니다. 따라서 유비쿼터스 상거래에서 사용자가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 개인화된 추천 시스템이 등장하였으며, 더 나아가 사용자가 원하는 아이템을 예측하고 추천해주고 있으며 이를 위해 협력적 필터링을 적용하고 있다. 이는 사용자의 성향에 맞는 아이템을 예측하고 추천하기 위하여 비슷한 선호도를 가지는 사용자들간의 유사도 가중치를 계산한다. 본 연구는 정보의 속성에 대한 사용자의 선호도를 고려하지 않은 문제를 개선하기 위하여 연관 이웃 마이닝을 사용하여 대표속성에 대한 연관 사용자의 선호도를 협력적 필터링에 반영하였다. 연관 이웃 마이닝은 선호도에 가장 크게 영향을 미치는 속성을 추출하여 유사한 성향을 가진 연관 사용자를 군집한다. 제안된 방법은 사용자가 아이템에 대해서 평가한 MovieLens 데이터 집합을 대상으로 평가되었으며, 기존의 nearest neighbor model과 K-means 군집보다 그 성능이 우수함을 보인다.

• 한국콘텐츠학회논문지
• /
• 제11권11호
• /
• pp.1-9
• /
• 2011

차세대 IT융합기술의 발전에 따라 개인화 건강관리 서비스를 위한 인프라스트럭처가 구축되면서, 사용자의 선호도 기반 서비스의 중요성이 부각되고 있다. 만성질환자가 증가함에 따라 건강관리 서비스는 특정 질병의 치료 및 관리에서 서비스 대상자에 대한 식이영양 관리로 진화하고 있다. 본 논문에서는 건강관리를 위한 혼합 필터링을 이용한 개인화 식이영양 콘텐츠 추천을 제안하였다. 제안한 방법에서는 유사한 콘텐츠만을 제공하는 추천 특수화 경향을 개선하기 위해 협력적 필터링과 이미지 기반 필터링을 결합한 혼합 필터링을 사용한다. 이를 웹 어플리케이션으로 구축하여 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도한다. 따라서 식이영양 콘텐츠를 추천하여 건강관리에 대한 만족도와 서비스의 질을 향상시켰다. 연구결과를 활용하면 시장성 증대와 고부가 가치를 창출할 수 있을 것으로 기대하며 다양한 응용분야에 활용이 가능하다.

• 컴퓨터교육학회논문지
• /
• 제19권4호
• /
• pp.59-66
• /
• 2016

협력 필터링 시스템에서 데이터 희소성 문제의 해결을 위해 공통평가항목수를 반영하는 방법이 연구되었다. 이러한 방법으로 널리 알려진 자카드 지수는 기존의 유사도 척도와 결합되어 성능을 개선할 수 있었다. 그러나, 다양한 데이터 환경에서 여러 유사도 척도들과 각각 결합했을 때의 성능 개선 효과에 대한 분석 연구는 미미하므로, 본 연구는 이에 대한 분석을 목적으로 한다. 우선 자카드 지수 자체를 유사도 척도로 사용했을때 희소한 데이터셋 상에서 전통적인 척도들보다 월등한 예측 성능을 보였고 추천 성능도 매우 우수하였다. 자카드 지수를 결합함으로써 기존 유사도 척도는 데이터 특성에 상관없이 성능이 대개 향상되었고, 특히 코사인 유사도는 희소한 데이터셋에서 가장 큰 향상을 이루었으나, 평균차이 제곱(Mean Squared Difference)의 유사도는 밀집된 데이터셋에서 오히려 저하된 예측 성능을 보였다. 따라서, 자카드 지수를 결합하여 사용하기 위해 데이터 환경 특성과 유사도 척도를 고려할 필요가 있다.

• 정보교육학회논문지
• /
• 제17권4호
• /
• pp.375-382
• /
• 2013

협력 필터링은 사용자가 선호했던 항목들의 기록을 토대로 항목을 추천하는 방법으로서 상업 사이트에서 매우 널리 사용되어 왔다. 이 방식의 기본 개념은 유사한 사용자들을 찾아서 그들의 평가등급을 통합하여 새로운 항목 추천에 이용하는 것이다. 따라서 유사도의 정확한 측정은 추천 성능에 매우 중요한 일이다. 본 논문에서는 사용자가 과거에 부여했던 평가등급들을 기준으로 하여 상대적으로 각 평가치를 다루는 새로운 유사도 공식을 제안한다. 광범위한 실험을 통해 제안된 공식이 기존 공식들보다 더 신뢰할 수 있음을 밝혔는데, 이는 극단적인 유사도값의 발생이 현저히 감소하였고, 유사도가 큰 이웃들만을 참조하였을 때 성능이 개선되었기 때문이다. 특히 실험 결과, 제안 공식은 평가 범위가 큰 데이터셋에 대해 기존 공식들보다 우수한 성능을 나타냈다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권3_4호
• /
• pp.316-325
• /
• 2003

기존의 협력적 필터링 기술을 이용한 사용자 선호도 예측 방법에서는 피어슨 상관 계수에 의해 사용자의 유사도를 구하고, 아이템에 대한 사용자의 선호도를 기반으로 이웃 선정 방법을 사용하므로 아이템에 대한 내용을 반영하지 못할 뿐만 아니라 희박성 문제를 해결하지 못하였다. 본 논문에서는 기존의 사용자 선호도 예측 방법의 문제점을 보완하기 위하여 베이지안 추정치가 부여된 유사도 가중치와 연관 사용자 군집을 이용한 선호도 예측 시스템을 제안한다. 제안한 방법에서는 협력적 필터링 시스템에서의 희박성 문제를 해결하기 위하여 Association Rule Hypergraph Partitioning 알고리즘을 사용하여 사용자를 장르별로 군집하며 새로운 사용자는 Naive Bayes 분류자에 의해 이들 장르 중 하나로 분류된다. 또한, 분류된 장르 내에 속한 사용자들과 새로운 사용자의 유사도를 구하기 위해 Naive Bayes 학습을 통해 사용자가 평가한 아이템에 추정치를 달리 부여한다. 추정치가 부여된 선호도를 기존의 피어슨 상관 관계에 적용할 경우 결측치(Missing Value)로 인한 예측의 오류를 적게 하여 예측의 정확도를 높일 수 있다. 제안된 방법의 성능을 평가하기 위해서 기존의 협력적 필터링 기술과 비교 평가하였다. 그 결과 기존의 협력적 필터링 기술의 문제점을 해결하여 예측의 정확도를 높이는데 효과적임을 확인하였다.