• The Journal of Society for e-Business Studies
• /
• v.14 no.4
• /
• pp.47-57
• /
• 2009

Collaborative tagging systems allow users to attach tags to diverse sharable contents in social networks. These tags provide usefulness in reusing the contents for all community members as well as their creators. Three-dimensional data composed of users, items, and tags are used in the collaborative tag-based recommendation. They are generally more voluminous and sparse than two-dimensional data composed of users and items. Therefore, there are many difficulties in applying existing collaborative filtering methods directly to them. Latent factor models, which are also successful in the area of collaborative filtering recently, discover latent features(factors) for explaining observed values and solve problems based on the features. However, establishing the models require much time and efforts. In order to apply the latent factor models to three-dimensional collaborative filtering data, we have to overcome the difficulty of establishing them. This paper proposes various methods for determining preferences of users to items via establishing an intuitive model by assuming tags used for items as latent factors to users and items respectively. They are compared using real data for concluding desirable directions.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2008.11a
• /
• pp.68-71
• /
• 2008

웹 상에 정보가 폭발적으로 증가함에 따라 각 사용자에게 맞는 정보를 선별하여 제공하는 개인화 서비스는 매우 중요한 이슈가 되었다. 기존 추천시스템들은 컨텐츠 기반 필터링과 협업 필터링 기법을 기반으로 한다. 그러나 이러한 방법들은 충분히 수집된 사용자 정보를 필요로 하기 때문에, 적절한 추천이 이루어지기 까지 다소 시간이 소요되는 문제를 가지고 있다. 또한 사용자의 성향이 지나치게 편중되는 경우, 사용자의 취향변화를 반영하여 새로운 상품을 추천하는 것은 어렵다. 실제로 사용자들은 웹 사이트의 방문 목적에 따라 개인화된 상품추천을 원하기도 하고, 많은 사용자들에게 인기 있는 상품을 원하기도 한다. 본 논문에서는 사용자의 행동분석을 기반으로, 협업 필터링을 기반으로 하는 개인화된 추천과 다수의 사용자들에게 공통적으로 인기 있는 상품의 추천 비율을 동적으로 조합하여 최종 추천 상품들을 선별하는 새로운 적응형 추천 시스템을 제안한다. 본 논문에서는 MovieLens의 데이터 셋을 이용하여 기존 추천기법들과 추천결과에 대한 정확도를 비교 실험하였으며, 보다 높은 정확도를 보이는 실험결과를 통해 제안시스템의 유효성을 확인하였다.

• 한국경영정보학회:학술대회논문집
• /
• 2007.11a
• /
• pp.597-602
• /
• 2007

본 연구는 추천시스템에서 협업필터링 알고리즘을 이용하여 특정 상품에 대한 고객의 선호도를 예측함에 있어 고객이 상품에 대해 평가한 선호도 평가치를 고객별로 표준화시켜 예측하여 기존의 예측 정확도를 향상시키는 방법에 대하여 연구하였다. 일반적으로 상품에 대한 고객의 선호도를 평가하기 위하여 절대적 기준의 수치적 척도가 제공되지만 개인에 따라서는 상품에 대한 선호 정도가 절대적 척도에 다르게 반영되어 개인별 선호도에 차이가 발생할 수 있다. 이러한 개인적 특성이 동일한 척도의 평가치로 예측되면 예측 결과의 오차를 크게 할 가능성이 있다. 또한 개인이 평가한 선호도 평가치의 편차가 협업필터링 알고리즘을 통한 선호도 예측 정확도와 밀접한 관계를 가지고 있음을 알 수 있었으며 이러한 문제를 해결하기 위하여 개별 고객이 평가한 선호도 평가치를 표준화시켜 표준화된 선호도 평가치를 이용한 선호도 예측을 실시하였다. 분석결과 표준화된 선호도 평가치를 이용한 예측 결과가 비표준화 선호도 평가치를 이용한 예측 결과보다 예측력이 우수함을 알 수 있었으며 결과에 대한 통계적 분석을 통하여 표준화된 선호도 평가치를 이용한 선호도 예측 방법과 비 표준화 선호도 평가치를 이용한 선호도 예측 방법을 혼합할 경우 선호도 예측 정확도를 더 향상시킬 수 있음을 알 수 있었다.

• Journal of Intelligence and Information Systems
• /
• v.17 no.3
• /
• pp.79-98
• /
• 2011

This paper proposes a semantic recommendation technique for a personalized e-commerce portal. Semantic recommendation is achieved by utilizing the attributes of products. The semantic similarity of the products is merged with the rating information of the products to provide an accurate recommendation. The recommendation technique also analyzes various attitudes of the customer to evaluate the implicit rating of products. Attitudes are classifies into three types such as "purchasing product", "adding product to shopping cart", and "viewing the product information." We implicitly track customer attitude to estimate the rating of products for recommending products. Also we implement a session validation process to identify the valid sessions that are highly important for giving an accurate recommendation. Our recommendation technique shows a high degree of accuracy as we use age groupings of customers with similar preferences. The experimental section shows that our proposed recommendation method outperforms well known collaborative filtering methods not only for the existing customer, but also for the new user with no previous purchase record.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.3
• /
• pp.201-207
• /
• 2022

In this paper, we propose a movie recommendation model that uses the users' ratings as well as their reviews. To understand the user's preference from multicriteria perspectives, the proposed model is designed to apply attribute-based sentiment analysis to the reviews. For doing this, it divides the reviews left by customers into multicriteria components according to its implicit attributes, and applies BERT-based sentiment analysis to each of them. After that, our model selectively combines the attributes that each user considers important to CF to generate recommendation results. To validate usefulness of the proposed model, we applied it to the real-world movie recommendation case. Experimental results showed that the accuracy of the proposed model was improved compared to the traditional CF. This study has academic and practical significance since it presents a new approach to select and use models in consideration of individual characteristics, and to derive various attributes from a review instead of evaluating each of them.

• The Journal of Korea Institute of Information, Electronics, and Communication Technology
• /
• v.9 no.6
• /
• pp.609-616
• /
• 2016

This paper is proposed a customized market analysis method using SVM and collaborative filtering. The proposed customized market analysis scheme is consists of DC(Data Classification) module, ICF(Improved Collaborative Filtering) module, and CMA(Customized Market Analysis) module. DC module classifies the characteristics of on-line and off-line shopping mall and traditional markets into price, quality, and quantity using SVM. ICF module calculates the similarity by adding age weight and job weight, and generates network using the similarity of purchased item each users, and makes a recommendation list of neighbor nodes. And CMA module provides the result of customized market analysis using the data classification result of DC module and the recommendation list of ICF module. As a result of comparing the proposed customized recommendation list with the existing user based recommendation list, the case of recommendation list using the existing collaborative filtering scheme, precision is 0.53, recall is 0.56, and F-measure is 0.57. But the case of proposed customized recommendation list, precision is 0.78, recall is 0.85, and F-measure is 0.81. That is, the proposed customized recommendation list shows more precision.

• Journal of the Korean Society for information Management
• /
• v.26 no.1
• /
• pp.81-105
• /
• 2009

In this paper, we propose user contents using behavior and location information on contents on various channels, such as web, IPTV, for contents distribution. With methods to build user and contents profiles, contents using behavior as an implicit user feedback was applied into machine learning procedure for updating user profiles and contents preference. In machine learning procedure, contents-based and collaborative filtering methods were used to analyze user's contents preference. This study proposes contents location information on web sites for final recommendation contents as well. Finally, we refer to a generalized recommender system for personalization. With those methods, more effective and accurate recommendation service can be possible.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.648-649
• /
• 2016

일반적으로 협업 핑터랭 기반의 추천 시스템에서는 사용자와 아이템 간의 상호 작용이 희박하게 나타나는 문제 때문에 성능상의 한계점을 가지고 있다. 이 문제는 전통적으로 사용되었던 기계 학습의 입력 특성들이 의미적으로 관계가 없도록, 독립적으로 표현하기 때문이다. 본 논문에서는 임베딩 기법을 이용하여 서로 독립적으로 표현되었던 아이템들을 의미적으로 표현되는 벡터로 바꾸고, 최근 협업 필터링 기반의 추천 시스템으로 많이 사용되는 RNN을 사용하여 모델링한 시스템을 제안한다. 제안된 모델은 최근에 발표된 추천시스템들과 동등하거나 그 이상의 성능을 보일 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.359-361
• /
• 2022

최근 질적인 삶의 중요성과 건강에 대한 필요성이 향상되면서 운동의 중요성에 대한 국민의 인지도가 증가했다. 체력적인 효과 심리적인 효과 면역효과 등 운동이 주는 많은 긍정적인 영향들로 인해 최근 건강관리에 대해 사람들의 관심이 많이 증가했으나 자신에게 알맞는 운동 방법을 알지 못해 정작 운동을 실천하는 수는 그 수의 절반뿐이다. 따라서 개인의 신체 알맞는 운동을 추천해 줄 수 있는 추천 시스템이 필요하다. 본 논문에서는 신장, 몸무게, 나이, 주당 운동 횟수, 성별과 같은 개인화 요소를 이용한 협업 필터링과 k-nn 을 R 시스템을 사용하여 사용자 개인 맞춤형 운동 추천 시스템을 제안한다.

• Journal of KIISE:Software and Applications
• /
• v.37 no.3
• /
• pp.185-193
• /
• 2010

With the emergence of ubiquitous computing era, various models for providing personalized service have been proposed, and, especially, several recommendation service schemes have been proposed to give tailored services to users proactively. However, the previous recommendation service schemes utilize a wide range of data without and filtering and consider the limited context-aware information to predict user preferences so that they are not adequate to provide personalized service to users. In this paper, we propose an adaptive recommendation service scheme which proactively provides suitable services based on the current context. We use accumulated interaction contexts (IC) between users and devices for predicting the user's preferences and recommend adaptive service based on the current context by utilizing clustering and collaborative filtering. The clustering algorithm improves efficiency of the recommendation service by focusing and analyzing the data that is collected from the locations nearby the users. Collaborative filtering guarantees an accurate recommendation, even when the data is insufficient. Finally, we evaluate the performance and the reliability of the proposed scheme by simulations.