• Proceedings of the Korean Society of Computer Information Conference
• /
• 2015.07a
• /
• pp.169-172
• /
• 2015

웹툰의 양은 방대하여 사용자가 원하는 웹툰을 찾는데 어려움이 있기 때문에 체계적인 추천 시스템이 필요하다. 하지만 기존의 추천 시스템은 조회수가 많은 인기 웹툰을 추천하는 방식과 사용자와 비슷한 연령대, 성별의 사용자들이 조회한 콘텐츠를 추천해주는 인구 통계학적 추천(demographic filtering)방식, 그리고 비슷한 사용자를 분석하여 추천해주는 협업적 추천(collaborative filtering)방식에 국한되어 있어, 개인의 성향을 반영하여 추천하고 있다고 보기 어렵다. 따라서 사용자 개인의 성향을 분석하는 방식에 대한 시도가 필요하다. 본 연구에서는 이러한 한계를 극복하기 위해서 개인의 성향을 분석하는 지표로 MBTI(Myers-Briggs Type Indicator) 유형을 이용하고, 같은 MBTI 유형의 사용자간의 협업적 필터링 추천 방식을 제안하였다. 또, 협업적 필터링 방식에서 발생하는 콜드 스타트 문제와 초기 평가자 문제를 해결하는 방안을 제시하였다.

• Journal of Internet Computing and Services
• /
• v.10 no.6
• /
• pp.81-98
• /
• 2009

Collaborative filtering, one of the most successful technologies among recommender systems, is a system assisting users in easily finding the useful information and supporting the decision making. However, despite of its success and popularity, one notable issue is incredibility of recommendations by unreliable users called shilling attacks. To deal with this problem, in this paper, we analyze the type of shilling attacks and propose a unique method of building a model for protecting the recommender system against manipulated ratings. In addition, we present a method of applying the model to collaborative filtering which is highly robust and stable to shilling attacks.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2012.04a
• /
• pp.1081-1084
• /
• 2012

최근 다양한 직업을 가진 SNS 사용자가 증가함에 따라, SNS 사용자들은 전문가 간 협업 및 기술적 의사소통을 위한 전문가 추천 기능을 요구하고 있다. 하지만 기존 협업적 여과 기법은 전문가 추천 서비스를 효율적으로 제공하지 못한다. Content-boosted 협업적 여과 기법은 다양한 예측 알고리즘을 제시하여, 효과적인 추천을 수행할 수 있도록 지원한다. 그러나 명확한 계산 조건이 제시되지 못하는 경우 아이템 및 사용자 유사도 계산을 수행할 수 없는 단점이 존재한다. 따라서 본 논문에서는 Content-boosted 협업적 여과 기법의 단점을 해결하는 하이브리드 협업적 여과기법을 이용한 새로운 전문가 추천기법을 제안한다. 또한, 이를 이용하여 SNS에서의 전문가 추천 시스템을 설계한다.

• Journal of Intelligence and Information Systems
• /
• v.14 no.1
• /
• pp.101-115
• /
• 2008

Combining collaborative filtering with some other technique is most common in hybrid recommender systems. As many recommended items from collaborative filtering seem to be similar with respect to content, the collaborative-content hybrid system suffers in terms of quality recommendation and recommending new items as well. To alleviate such problem, we have developed a novel method that uses a diversity metric to select the dissimilar items among the recommended items from collaborative filtering, which together with the input when fed into content space let us improve and include new items in the recommendation. We present experimental results on movielens dataset that shows how our approach performs better than simple content-based system and naive hybrid system.

• Journal of the Korea Society of Computer and Information
• /
• v.17 no.4
• /
• pp.83-90
• /
• 2012

In e-commerce systems that deal with a large number of items, the function of personalized recommendation is essential. Collaborative filtering that is a successful recommendation algorithm, suffers from the sparsity, cold-start, and scalability restrictions. Additionally, this work raises a new flaw of the algorithm, inconsistent performance of recommendation. This is also not measurable by the current MAE-based evaluation that does not consider the deviation of prediction error, and furthermore is performed independently of precision and recall measurement. To evaluate the collaborative filtering comprehensively, this work proposes an extended evaluation model that includes the current criteria such as MAE, Precision, Recall, deviation, and applies it to cluster-based combined collaborative filtering.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2011.06a
• /
• pp.171-172
• /
• 2011

협업적 여과 시스템은 사용자에 대한 클러스터링을 구축한 후, 구축된 클러스터를 기반으로 사용자에게 영화를 추천한다. 하지만 사용자 클러스터링 구축에 많은 시간이 소요되고, 사용자가 평가한 영화가 피드백이 되었을 경우 재구축이 쉽지 않다. 본 논문에서는 사용자 클러스터링의 재구축을 용이하게 하기 위해 빈발패턴 네트워크를 이용하여 클러스터링을 구축하고, 이를 협업적 여과 시스템에 적용하여 영화를 추천한다. 구축된 클러스터를 통해 사용자 클러스터를 재구축시 소요되는 시간 비용을 줄이면서, 전통적인 협업적 여과 시스템과 유사한 성능의 추천이 가능하게 되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.381-383
• /
• 2012

협업필터링은 지금까지 많은 추천시스템 연구에서 비교대상이 되거나 더 좋은 추천시스템 방법론을 개발하기 위해서 응용되고 있다. 일반적으로 협업필터링 기법은 명시적으로 관찰된 사용자들의 행동을 기반하는 방법이다. 본 연구에서는 LDA(Latent Dirichlet Allocation)을 이용해 사용자와 추천 대상이 되는 아이템의 숨겨진 특성을 추출하고, 이를 협업필터링기법에 응용했다. 영화 추천시스템 구축을 위한 실험에서, 사용자의 선호도는 다양한 영화 장르를 선호하는 비율로 나타난다는 가정(사용자기반)과 영화 또한 장르의 비율로 표현이 된다는 가정(아이템기반)을 했다. 이러한 가정을 토대로 사용자 사이와 영화 사이 간의 유사도를 정의하고, 협업필터링에 적용했을 때, 전통적인 협업필터링 기법보다 뛰어난 결과를 얻을 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.481-482
• /
• 2016

스마트 디바이스의 발전과 IoT 시대에 들어서면서 다양하고 유용한 데이터가 끊임없이 쏟아져 나오고 있다. 이러한 데이터들을 기반으로 개인화된 추천 시스템의 중요성은 높아지고 있다. 추천 시스템에서 가장 성공적인 협업적 필터링 기법은 고객에 대한 일정 수준 이상의 데이터가 존재해야 한다. 즉, 충분한 데이터가 존재하지 않는다면 정확하지 않은 추천 결과를 출력하는 희박성의 문제가 생긴다. 본 연구에서는 개개인을 구분 지을 수 있는 개인화 요인에 가중치를 두어 기존의 협업적 필터링 기법이 가지는 희박성 문제를 해결하고자 한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.19 no.2
• /
• pp.242-247
• /
• 2009

Recently an intelligent system is developed for the service what users want not a passive system which just answered user's request. This intelligent system is used for personalized recommendation system and representative techniques are content-based and collaborative filtering. In this study, we propose a prediction system which is based on the techniques of recommendation system using a collaborative filtering and a fuzzy system to solve the collaborative filtering problems. In order to verify the prediction system, we used the data that is user's rating about movies. We predicted the user's rating using this data. The accuracy of this prediction system is determined by computing the RMSE(root mean square error) of the system's prediction against the actual rating about the each movie and is compared with the existing system. Thus, this prediction system can be applied to base technology of recommendation system and also recommendation of multimedia such as music and books.

• The KIPS Transactions:PartD
• /
• v.16D no.3
• /
• pp.451-462
• /
• 2009

Collaborative Filtering (CF), one of the most successful technologies among recommender systems, is a system assisting users in easily finding the useful information. However, despite its success and popularity, CF encounters a serious limitation with quality evaluation, called cold start problems. To alleviate this limitation, in this paper, we propose a unique method of building models derived from explicit ratings and applying the models to CF recommender systems. The proposed method is divided into two phases, an offline phase and an online phase. First, the offline phase is a building pre-computed model phase in which most of tasks can be conducted. Second, the online phase is either a prediction or recommendation phase in which the models are used. In a model building phase, we first determine a priori predicted rating and subsequently identify prediction errors for each user. From this error information, an error-reflected model is constructed. The error-reflected model, which is reflected average prior prediction errors of user neighbors and item neighbors, can make accurate predictions in the situation where users or items have few opinions; this is known as the cold start problems. In addition, in order to reduce the re-building tasks, the error-reflected model is designed such that the model is updated effectively and users'new opinions are reflected incrementally, even when users present a new rating feedback.