• Journal of Intelligence and Information Systems
• /
• v.13 no.4
• /
• pp.65-78
• /
• 2007

This paper proposes a new method of weighted template matching for machine-printed numeral recognition. The proposed weighted template matching, which emphasizes the feature of a pattern using adaptive Hamming distance on local feature areas, improves the recognition rate while template matching processes an input image as one global feature. Template matching is vulnerable to random noises that generate ragged outlines of a pattern when it is binarized. This paper offers a method of chain code trimming in order to remove ragged outlines. The method corrects specific chain codes within the chain codes of the inner and the outer contour of a pattern. The experiment compares confusion matrices of both the template matching and the proposed weighted template matching with chain code trimming. The result shows that the proposed method improves fairly the recognition rate of the machine-printed numerals.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.11a
• /
• pp.1371-1372
• /
• 2012

협업 필터링은 유사한 사용자를 선별하여 아이템을 추천하는 대표적인 추천 방법이다. 협업 필터링을 이용한 추천에서 추천 품질은 유사 사용자를 선별하는 기법에 따라 크게 달라질 수 있다. 본 논문에서는 협업 필터링 추천의 품질을 크게 개선 시킬 수 있는 새로운 유사 사용자 선별 기법을 제안한다. 제안하는 기법에서는 Earth Mover's Distance (EMD)를 이용하여 사용자간의 유사도를 정의한다. EMD를 적용하기 위해서 각 사용자를 히스토그램으로 표현하며, 히스토그램 빈(bin)간의 거리를 정의한다. 이렇게 정의된 유사도를 이용하여 타깃 사용자와 유사한 사용자들을 선별하며, 이를 기반으로 타깃 사용자가 부여한 타깃 아이템에 대한 점수를 예측한다. 다양한 실험을 통하여, 제안된 기법이 기존 기법들과 비교하여 추천의 정확도를 최대 30%까지 향상시키는 것으로 나타났다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.1067-1069
• /
• 2013

전자상거래 시장의 급격한 성장에 따라 고객이 원하는 정보를 얻기 위해 소요되는 시간과 노력을 절약하기 위한 방안으로 추천 시스템의 필요성이 강조되고 있다. 추천 시스템에 일반적으로 가장 많이 쓰이는 것이 협업필터링 기법이다. 협업 필터링은 추천시스템 분야에서 가장 성공적인 기법으로 전자상거래 포털에서 가장 널리 이용되고 있다. 그러나 희박성, 확장성, 투명성 등의 문제점을 가진다. 본 논문에서는 프로파일링 기법을 사용해 협업필터링의 희박성 문제 해소 방안으로 개인성향을 이용하여, 보다 정확한 추천을 하여 온라인 서점에 적용할 수 있는 추천 시스템이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11a
• /
• pp.347-350
• /
• 2002

본 논문은 협업에 의한 추천 방법과 내용에 의한 추천 방법을 혼합한 하이브리드 추천 방법을 제시한다. 일반적으로 '영화'정보와 같이 아이템에 대한 설명이 부족하거나 실제 영화의 내용과는 차이가 있는 컨텐츠의 경우에는 '주연', '감독', '줄거리'와 같이 실제 아이템의 내용이 아닌 부수적인 정보를 통해 평가값을 예측하는 방법보다 협업에 의한 평가값의 예측을 통해 더 낳은 추천을 제공할 수 있다. 이에 따라 본 연구는 내용에 기반한 추천방법에 의존하지 않고 사용자의 유사 선호 경향이 있는 타 사용자의 평가값들을 사용하여 추천하며, 협업에 의해 추천될 수 없는 아이템들에 대해 내용기반 추천 방법을 사용하는 하이브리드 컨텐츠 추천 시스템을 설계, 구현하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.642-644
• /
• 2014

정보의 폭발적인 증가로 인해 사용자들은 오히려 원하는 정보를 빠른 시간에 얻는 것이 힘들어졌다. 따라서 이 문제를 해결하기 위한 다양한 방식의 새로운 서비스들이 제공되고 있다. 추천 시스템 중에서 영화를 추천해주는 방법에는 사용되는 알고리즘에는 협업필터링 방법이 가장 성공한 알고리즘으로 사용되고 있다. 협업 필터링 방법은 사용자가 자발적으로 입력한 선호도 평가치를 바탕으로 추천 하고자 하는 사용자와 취향이 비슷하다고 판단되는 사람들 즉, 최근접 이웃을 구하고 최근접 이웃의 선호도 평가치를 바탕으로 사용자에게 영화를 추천을 해주는 기법이다. 그러나 협업 필터링에는 몇 가지 대표적인 문제점이 있으며 희박성 및 확장성, 투명성이 있다. 본 논문에서는 영화 추천 시스템에서의 협업필터링의 희박성 문제를 보완하고자 개개인의 성향을 반영하여 효율이 좋은 추천 방법을 제안하고 하둡에서 성능평가를 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2002.04b
• /
• pp.304-306
• /
• 2002

디지털 컨텐츠 산업의 성장, 전자상거래의 활성화, 기업의 흠페이지 활용 증가 등으로 온.오프라인에서 컨덴츠의 수요가 증가하면서 컨덴츠를 관리하는 컨텐츠 관리 시스템 시장의 성장 잠재성이 높아가고 있다. 본 논문에서는 이러한 컨텐츠 관리 시스템의 마지막 단계인 컨텐츠 배포 단계에 있어 모든 사용자에게 동일한 컨텐츠를 제공하는 것이 아니라 사용자의 관심에 따라 다른 컨텐츠를 동적으로 제공하는 컨텐츠 주천 시스템을 설계 및 구현한다. 본 시스템은 규칙 기반 추천 방식을 사용하고 있으며 규칙으로는 사용자간의 연관성을 나타내는 사용자 협업적 규칙과 항목간의 연관성을 나타내는 항목 협업적 규칙이 존재한다. 또한 컨덴츠에 대한 사용자의 선호도를 측정하기 위해서 선호범위를 정의하고 있으며 취미, 관심분야와 같이 하나 이상의 값을 가질 수 있는 다중 값을 처리하친 있다. 시스템은 추천을 위한 정보 즉, 선호범위와 사용자 프로파일 그리고 규칙들을 생성하는 오프라인 작업과 이러한 정보를 이용하여 실시간으로 사용자에게 추천해주는 온라인 작업으로 나뉘어 진다.

• Journal of Intelligence and Information Systems
• /
• v.17 no.3
• /
• pp.99-114
• /
• 2011

Collaborative Filtering (CF) suffers from two major problems:sparsity and cold-start recommendation. This paper focuses on the cold-start problem for new customers with no purchase records and the sparsity problem for the customers with very few purchase records. For the purpose, we propose a method for the new customer recommendation by using a combined measure based on three well-used centrality measures to identify the customers who are most likely to become neighbors of the new customer. To alleviate the sparsity problem, we also propose a hybrid approach that applies our method to customers with very few purchase records and CF to the other customers with sufficient purchases. To evaluate the effectiveness of our method, we have conducted several experiments using a data set from a department store in Korea. The experiment results show that the combination of two measures makes better recommendations than not only a single measure but also the best-seller-based method and that the performance is improved when applying the hybrid approach.

• Journal of Intelligence and Information Systems
• /
• v.9 no.3
• /
• pp.177-191
• /
• 2003

Recommender systems are a personalized information filtering technology to help customers find the products they would like to purchase. Collaborative filtering is the most successful recommendation technology. Web usage mining and clustering analysis are widely used in the recommendation field. In this paper, we propose several hybrid collaborative filtering-based recommender procedures to address the effect of web usage mining and cluster analysis. Through the experiment with real e-commerce data, it is found that collaborative filtering using web log data can perform recommendation tasks effectively, but using cluster analysis can perform efficiently.

• Journal of Intelligence and Information Systems
• /
• v.22 no.4
• /
• pp.1-18
• /
• 2016

Collaborative Filtering (CF) predicts the focal user's preference for particular item based on user's preference rating data and recommends items for the similar users by using them. It is a popular technique for the personalization in e-commerce to reduce information overload. However, it has some limitations including sparsity and scalability problems. In this paper, we use a method to integrate social network information into collaborative filtering in order to mitigate the sparsity and scalability problems which are major limitations of typical collaborative filtering and reflect the user's qualitative and emotional information in recommendation process. In this paper, we use a novel recommendation algorithm which is integrated with collaborative filtering by using Social SVD++ algorithm which considers social network information in SVD++, an extension algorithm that can reflect implicit information in singular value decomposition (SVD). In particular, this study will evaluate the performance of the model by reflecting the real-world user's social network information in the recommendation process.

• KIPS Transactions on Computer and Communication Systems
• /
• v.2 no.11
• /
• pp.475-482
• /
• 2013

Several approaches to recommendation systems have been studied. One of the most successful technologies for building personalization and recommendation systems is collaborative filtering, which is a technique that provides a process of filtering customer information based on such information profiles. Collaborative filtering systems, however, have a sparsity if there is not enough data to recommend. In this paper, we suggest a movie recommendation system, based on the weighted personal propensity and the collaborating filtering system, in order to provide a solution to such sparsity. Furthermore, we assess the system's applicability by using the open database MovieLens, and present a weighted personal propensity framework for improvement in the performance of recommender systems. We successfully come up with a movie recommendation system through the optimal personalization factors.