• 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.

• 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.

• 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.

• Journal of Internet Computing and Services
• /
• v.18 no.3
• /
• pp.19-28
• /
• 2017

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.

• 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.

• 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.

• Journal of KIISE:Software and Applications
• /
• v.31 no.2
• /
• pp.153-163
• /
• 2004

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%.