Proceedings of the Korea Information Processing Society Conference
/
2018.10a
/
pp.493-496
/
2018
추천 시스템은 다양한 분야에 적용되는 기술로서 활발한 연구가 진행되고 있고 기존 추천 시스템의 성능을 높이기 위해서 더욱 개인화된 차세대 추천 시스템의 필요성이 대두되고 있다. 본 논문은 하이퍼 개인화 범주에 속하는 사후 필터링기법을 사용한 실시간 상황 인식 추천 시스템을 제안한다. 실시간 상황 인식 추천 시스템은 사용자 행동과 계속적인 동기화로 현재 상황에 가장 적합한 추천 목록을 생성하기 때문에 사용자 기반 협업 필터링 (User Based Collaborative Filtering), 콘텐츠 기반 필터링(Content-based Filtering), 특이값 분해(Singular Value Decomposition)보다 훨씬 미래 지향적인 추천 시스템이다.
Journal of the Korea Society of Computer and Information
/
v.18
no.2
/
pp.107-116
/
2013
In this paper, we propose a hybrid music recommendation system combining users' listening habits and tag information in a social music site. Most of commercial music recommendation systems recommend music items based on the number of plays and explicit ratings of a song. However, the approach has some difficulties in recommending new items with only a few ratings or recommending items to new users with little information. To resolve the problem, we use tag information which is generated by collaborative tagging. According to the meaning of tags, a weighted value is assigned as the score of a tag of an music item. By combining the score of tags and the number of plays, user profiles are created and collaborative filtering algorithm is executed. For performance evaluation, precision, recall, and F-measure are calculated using the listening habit-based recommendation, the tag score-based recommendation, and the hybrid recommendation, respectively. Our experiments show that the hybrid recommendation system outperforms the other two approaches.
Journal of the Korean Institute of Intelligent Systems
/
v.14
no.6
/
pp.687-692
/
2004
In this paper, we proposed an efficient cache hoarding method in mobile computing environments using collaborative filtering. This method is used for solving the difficult problem of mobile computing, which is the vacuum of information service depending on low bandwidth, long delay, and frequent network disconnection. Many previous researches have been studied a cache hoarding approach for solving these problems of mobile client. But, the research of history information of mobile client did not support all informative requests for mobile clients. In our research, collaborative filtering model using history information and location data of mobile client is proposed. This proposed model supports an efficient service of necessary items for client's requirement. For the performance evaluation of proposed model, we make an experiment of simulation data using SAS enterprise miner. According to objective evaluation using cache hit ratio, we show that our model has a good result.
Park, Sung-Eun;Lee, Dong-Joo;Lee, Sang-Keun;Lee, Sang-Goo
Proceedings of the Korean Information Science Society Conference
/
2011.06c
/
pp.41-44
/
2011
본 연구는 현재 사용자가 청취한 음악과 청취한 순서를 기반으로 다음에 사용할 아이템을 추천하는 문제를 다룬다. 우리가 제시하는 모델은 아이템 사용 로그를 기반으로 하며, 정보검색에서 많이 사용하는 N-gram모델을 사용하여 아이템의 순서열을 추출한 후 다음에 올 확률이 높은 아이템을 학습한다. 그리고 사용자가 현재 선택한 아이템의 순서열을 기반으로 다음에 가장 들을 확률이 높은 아이템을 추천한다. 또 실 세계 데이터를 기반으로 실험하여 협업적 필터링 방식과 성능을 비교한다.
Proceedings of the Korea Information Processing Society Conference
/
2019.10a
/
pp.44-47
/
2019
스마트 폰과 태블릿 PC를 이용하여 실시간 영상 재생 서비스(OTT: Over The Top)를 이용하는 사람들이 폭발적으로 증가하고 있다. 그에 따라 실시간 영상 재생 서비스를 즐길 수 있는 수많은 콘텐츠들이 증가하고 있다. 이에 따라 사용자는 자신의 취향에 맞는 드라마가 어떤 드라마인지 찾기가 어렵다. 따라서 본 논문에서는 사용자 스타일에 가장 적합한 미국 드라마 추천 시스템을 제안하기 위하여 선호 장르 2개, 연령대, 성별, 미국인 여부를 이용하여 유클리드 방법으로 유사도를 계산하고 협업 필터링 방법을 적용하여 드라마를 추천하는 시스템을 R을 이용하여 구현하였다.
Yihua Zhang;Qinglong Li;Ilyoung Choi;Jaekyeong Kim
Information Systems Review
/
v.23
no.1
/
pp.155-172
/
2021
With the recent increase in online product purchases, a recommender system that recommends products considering users' preferences has still been studied. The recommender system provides personalized product recommendation services to users. Collaborative Filtering (CF) using user ratings on products is one of the most widely used recommendation algorithms. During CF, the item-based method identifies the user's product by using ratings left on the product purchased by the user and obtains the similarity between the purchased product and the unpurchased product. CF takes a lot of time to calculate the similarity between products. In particular, it takes more time when using text-based big data such as review data of Amazon store. This paper suggests a hybrid recommendation system using a 2-phase methodology and text data mining to calculate the similarity between products easily and quickly. To this end, we collected about 980,000 online consumer ratings and review data from the online commerce store, Amazon Kinder Store. As a result of several experiments, it was confirmed that the suggested hybrid recommendation system reflecting the user's rating and review data has resulted in similar recommendation time, but higher accuracy compared to the CF-based benchmark recommender systems. Therefore, the suggested system is expected to increase the user's satisfaction and increase its sales.
Collaborative filtering (CF) is a system that interprets the relationship between a user and a product and recommends the product to a specific user. The CF model is advantageous in that it can recommend products to users with only rating data without any additional information such as contents. However, there are many cases where a user does not give a rating even after consuming the product as well as consuming only a small portion of the total product. This means that the number of ratings observed is very small and the user rating matrix is very sparse. The sparsity of this rating data poses a problem in raising CF performance. In this paper, we concentrate on raising the performance of latent factor model (especially SVD). We propose a new model that includes product similarity information and co occurrence information in SVD. The similarity and concurrence information obtained from the rating data increased the expressiveness of the latent space in terms of latent factors. Thus, Recall increased by 16% and Precision and NDCG increased by 8% and 7%, respectively. The proposed method of the paper will show better performance than the existing method when combined with other recommender systems in the future.
Kim, Ryong;Kang, Ji-Heon;Joo, Won-Kyun;Kim, Young-Kuk
Proceedings of the Korean Information Science Society Conference
/
2007.06c
/
pp.271-276
/
2007
모바일 기기는 기존의 음성통화와 다양한 네트워크 접속과 기능들이 결합되어 발전하고 있다. 또한 최근 등장한 다양한 휴대 인터넷 환경은 기존 모바일 기기의 네트워크 접근을 보다 쉽게 해주고 있다. 이러한 무선 환경을 사용하는 모바일 기기 사용자는 기존의 유선 환경보다 사용자 프로파일 정보를 쉽게 구할 수 있는 장점이 있으며, 모바일 기기는 혼자 사용하는 특징을 가지고 있다. 본 논문에서는 모바일 기기 사용자를 위한 개인화 방법으로 협업 필터링 방법을 통한 음악 추천과 푸쉬(Push), 풀(Pull)방식의 서비스 방법을 제안한다. 모바일 기기 사용자 프로파일 정보는 협업 필터링 방법을 통한 사용자 선호 음악 추천을 수행하고, 추천된 사용자 선호 음악은 푸쉬 서비스로 모바일 기기에 다운로드 된다. 추천을 통한 모바일 음악 푸쉬 서비스는 모바일 기기 사용자로 하여금 네트워크 환경에 접속되어있을 때 사용자 취향에 맞는 음악을 능동적으로 다운로드 해 둠으로써 사용자가 음악을 선택하여 모바일 기기로 다운로드 하는 불편함과 시간을 줄여 줄 수 있다.
Kim, Ryong;Kang, Ji-Heon;Lee, Ji-Hyun;Joo, Won-Kyun;Kim, Young-Kuk
Proceedings of the Korean Information Science Society Conference
/
2006.10d
/
pp.591-594
/
2006
모바일 기기는 기존의 음성통화에서 다양한 네트워크 접속과 전자기기 기능들이 결합되어 무선 서비스와 보완적으로 발전하고 있다. 다양한 휴대 인터넷 환경의 출현은 기존 모바일 기기의 네트워크 접근을 보다 쉽게 해주고 있다. 또한 무선 환경을 사용하는 모바일 기기 사용자는 유선 환경보다 사용자 프로파일 정보를 쉽게 구할 수 있는 장점이 있으며, 모바일 기기는 혼자 사용하는 특징을 가지고 있다. 본 논문에서는 모바일 기기 사용자를 위한 모바일 음악 개인화 방법으로 협업 필터링 방법을 통한 음악 추천과 다운로드 서비스 방법을 제안한다. 모바일 기기 사용자 프로파일 정보는 협업 필터링 방법을 통한 사용자 선호 음악 추천을 수행하고, 추천된 사용자 선호 음악은 모바일 기기로 다운로드 서비스를 수행한다. 추천을 통한 모바일 음악 다운로드 서비스는 모바일 기기 사용자로 하여금 무선 환경에 접속되어있을 때 사용자 취향에 맞는 음악을 미리 다운로드 해 둠으로써 사용자가 음악을 선택하여 모바일 기기로 다운로드 하는 시간을 줄여 줄 수 있다.
Many recommender systems are based on Content-based Filtering and Social Filtering Both methods have their own advantages and disadvantages, and they complement each other rather than compete. So incorporating of both methods can make the better system and combination technique controls the quality of the entire recommender system. In this paper, we presented each user has his own tendency to decide which is the better recommendation for himself among the various recommendation results, and suggested the Personalized combination technique. To represent user tendency, we defined and used loyalty, diversity and pioneerity and showed by experiments that our combination technique is useful. This combination technique improved the average coverage 23% and for the ceiling 40%.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.