• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2017.10a
• /
• pp.151-153
• /
• 2017

In recommendation system, collaborative filtering is the most important algorithm. Collaborative filtering is a method of making automatic predictions about the interests of a user by collecting preferences or taste information from many users. In this paper five algorithms were used. Metrics such as Recall-Precision, FPR-TPR,RMSE, MSE, MAE were calculated. From the result of the experiment, the user-based collaborative filtering was the best approach to recommend movies to users.

• Proceedings of the Korean Information Science Society Conference
• /
• 2004.10b
• /
• pp.571-573
• /
• 2004

본 논문에서는 협업 여과 추천의 사용자 정보 부족으로 발생하는 초기화 문제를 개선하기 위하여 스테레오 타입 정보를 활용하여, 희소성 문제 해결 방안으로 스테레오타입 정보 기반의 사용자 성향 반영을 통한 계층적 구조를 가지는 가상 점수를 부여하여, 유사도 계산의 개선 및 추천의 정확도를 향상시킨다. 또한 항목의 속성을 분석하여 유사도가 높게 나타날 수 있는 항목을 선정하여 추천의 정확도를 향상시키고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.353-354
• /
• 2010

최근 사용자의 취향에 맞는 콘텐츠를 필터링하여 자동으로 추천하는 연구가 활발히 진행되고 있다. 참여형, 개방형, 공유형 서비스들의 증가와 함께 웹 3.0 시대에는 더욱 지능화되고 개인화된 서비스가 중요시되고, 이를 위한 맞춤형 정보 제공 연구가 필수적이다. 본 논문에서는 사용자 맞춤형 추천 방법의 대표적인 기술인 협업 필터링(Collaborative Filtering) 방안 분석에 대해 설명하고, 협업 필터링 방법의 적용 연구를 설명한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.11a
• /
• pp.753-756
• /
• 2004

유비쿼터스 컴퓨팅 환경에서 추천시스템은 무수히 많은 정보들에 대하여 사람들이 적절한 선택을 할 수 있도록 도와준다. 사용자에게 필요한 정보를 찾아주고, 정보들의 우선순위를 결정해주는 추천시스템에 있어서 사용자의 위치는 보다 가치있는 정보를 제공할 수 있는 도구가 된다. 위치기반 추천시스템은 사용자가 아이템들로부터 얼마나 멀리 떨어져있는가를 고려하여 상위 리스트들을 제공할 수 있어야 한다. 하지만 일반적인 추천시스템에서 주로 사용되고 있는 기존의 사용자 기반 협업필터링 기법은 사용자의 자발적인 정보 입력에 의존함으로써 일정한 수의 사용자 정보가 축적되어 있지 않으면 정확한 추천이 불가능한 단점이 있다. 본 논문에서는 아이템에 기반한 협업 필터링 기법을 확률적으로 분석하고, 아이템의 위치에따라 랭킹을 부여하는 방법과 사용자의 위치정보를 추천알고리즘에 적용시켜 보다 정확하고 효율적인 추천방법을 제안하였다.

• KIPS Transactions on Computer and Communication Systems
• /
• v.12 no.1
• /
• pp.25-40
• /
• 2023

Recommendation systems are frequently used by users to generate intelligent automatic decisions. In the study of movie recommendation system, the existing approach uses largely collaboration and content-based filtering techniques. Collaborative filtering considers user similarity, while content-based filtering focuses on the activity of a single user. Also, mixed filtering approaches that combine collaborative filtering and content-based filtering are being used to compensate for each other's limitations. Recently, several AI-based similarity techniques have been used to find similarities between users to provide better recommendation services. This paper aims to provide the prospective expansion by deriving possible solutions through the analysis of various existing movie recommendation systems and their challenges.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1144-1145
• /
• 2015

협업 필터링 기반 추천 시스템에서는 이웃 사용자를 정확하게 찾는 것이 추천 정확도에 핵심적인 영향을 미친다. 그러나 기존의 유사도 척도는 사용자가 공통으로 평가한 아이템만을 고려하여 유사도를 계산하기 때문에 이러한 아이템이 적은 사용자 간의 유사도가 부정확하게 계산되는 문제가 있다. 본 논문에서는 이러한 문제를 극복하기 위해 공통으로 평가하지 않은 아이템을 함께 고려하여 유사도를 계산하는 방안을 제안한다. 또한, 실험을 통해 제안하는 방안이 협업 필터링 기반 추천 시스템의 정확도 향상에 기여함을 보인다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2022.05a
• /
• pp.655-656
• /
• 2022

Among the analysis methods for a recommendation system, collaborative filtering is a major representative method in a recommendation system based on data analysis. A general usage method is a technique of finding a common pattern by using evaluation data of users for various items, and recommending a preferred item for a specific user. Therefore, in this paper, various algorithms were used to measure the index, and an algorithm suitable for prediction of user preference was found and presented.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.05a
• /
• pp.101-102
• /
• 2018

협업 필터링은 데이터 분석을 통한 추천 시스템에서 대표적인 방법이다. 사용 방법은 다양한 아이템에 대해서 사용자들의 평가 데이터를 활용하여 공통적인 패턴을 찾아서 특정 사용자에 대한 선호 아이템을 추천하는 기법이다. 이에 본 논문에서는 여러 가지 알고리즘을 사용하여 지표 측정에 활용하였으며, 사용자 선호에 대한 예측에 적합한 알고리즘을 찾아서 제시하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.05a
• /
• pp.426-427
• /
• 2018

협업 필터링은 데이터 분석을 통한 추천 시스템에서 대표적인 방법이다. 사용 방법은 다양한 아이템에 대해서 사용자들의 평가 데이터를 활용하여 공통적인 패턴을 찾아서 특정 사용자에 대한 선호 아이템을 추천하는 기법이다. 이에 본 논문에서는 여러 가지 알고리즘을 사용하여 지표 측정에 활용하였으며, 사용자 선호에 대한 예측에 적합한 알고리즘을 찾아서 제시하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2019.05a
• /
• pp.482-483
• /
• 2019

협업 필터링은 데이터 분석을 통한 추천 시스템에서 대표적인 방법이다. 사용 방법은 다양한 아이템에 대해서 사용자들의 평가 데이터를 활용하여 공통적인 패턴을 찾아서 특정 사용자에 대한 선호 아이템을 추천하는 기법이다. 이에 본 논문에서는 여러 가지 알고리즘을 사용하여 지표 측정에 활용하였으며, 사용자 선호에 대한 예측에 적합한 알고리즘을 찾아서 제시하였다.