• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.8
• /
• pp.970-977
• /
• 2020

The collaborative filtering recommendation technique has been the most widely used since the beginning of e-commerce companies introducing the recommendation system. As the online purchase of products or contents became an ordinary thing, however, recommendation simply applying purchasers' ratings led to the problem of low accuracy in recommendation. To improve the accuracy of recommendation, in this paper suggests the method of collaborative filtering that analyses product reviews and uses them as a weighted value. The proposed method refines product reviews with text mining to extract features and conducts sentiment analysis to draw a sentiment score. In order to recommend better items to user, sentiment weight is used to calculate the predicted values. The experiment results show that higher accuracy can be gained in the proposed method than the traditional collaborative filtering.

• Journal of Internet Computing and Services
• /
• v.14 no.5
• /
• pp.59-67
• /
• 2013

In this paper, we propose the LAR_CF, latent attribute rating-based collaborative filtering, that is robust to data sparsity problem which is one of traditional problems caused of decreasing rating prediction accuracy. As compared with that existing collaborative filtering method uses a preference rating rated by users as feature vector to calculate similarity between objects, the proposed method improves data sparsity problem using unique attributes of two target objects with existing explicit preference. We consider MovieLens 100k dataset and its item attributes to evaluate the LAR_CF. As a result of artificial data sparsity and full-rating experiments, we confirmed that rating prediction accuracy can be improved rating prediction accuracy in data sparsity condition by the LAR_CF.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.496-499
• /
• 2018

최근 서구화된 식습관으로 인해 국내 비만 인구가 급격하게 증가했고 이에 따라서 다이어트에 관심을 갖는 사람들이 많아졌다. 하지만 현재 출시되어 있는 애플리케이션은 단지 식단을 선택하도록 목록을 보여주는 것에 그친다. 최근 추천 시스템은 데이터 서비스에 필수적인 요소가 되었고 사용자가 직접 선택에 대한 고민 할 것 없이 개인에게 맞춤된 식단을 제공 할 필요가 있다. 따라서 본 논문에서는 FatSeceret Open-API를 사용하여 추출한 식품 데이터베이스를 통해 사용자의 식단 선호도를 분석하였다. 그래서 식단 선호도와 협업 필터링 기법을 R을 이용하여 개인 맞춤형 다이어트 식단을 추천해 주는 시스템을 개발한다.

• 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 Society of Computer Information Conference
• /
• 2019.01a
• /
• pp.437-438
• /
• 2019

스마트폰을 중심으로 한 모바일 기기의 보급과 온라인 소셜 네트워크 서비스의 이용자들이 증가하면서 사용자들은 많은 콘텐츠를 소비하고 공유한다. 이는 콘텐츠 사용자들의 개별적 기호에 맞지 않거나 만족도가 떨어지는 콘텐츠를 소비하게 한다. 이와 같은 문제를 해결하기 위해 소셜 네트워크 사용자에게 적합한 콘텐츠를 추천하기 위한 기법에 대한 연구가 활발하게 진행되고 있다. 본 논문에서는 온라인 상에 존재하는 다양한 정보 중에서 공연과 관련한 콘텐츠들을 중심으로 사용자 성향별로 추천을 해줄 수 있는 협업필터링 방법에 대하여 제안한다.

• The Korean Journal of Applied Statistics
• /
• v.37 no.3
• /
• pp.311-322
• /
• 2024

In this study, we conduct an exploratory analysis of the MovieLens data, which is frequently used in many recommender system researches, to examine the detailed characteristics of the data. Also, we seek alternatives to improve the well-known neural collaborative filtering (NCF) method. NCF improved matrix factorization method by using deep neural networks in recommender systems. We devise, generalized NCF (G-NCF), a variant of NCF and test the performances. The G-NCF we propose shows superior characteristics on average performance across key evaluation metrics, compared to the NCF, but it also has a slightly larger variance in the evaluation metrics. Evaluation metrics such as MAP and nDCG were considered for comparison.

• Journal of Internet Computing and Services
• /
• v.11 no.6
• /
• pp.1-11
• /
• 2010

While a supply of GPS-enabled smartphone is increased, LBS which is studied and developed for special function is changed to personal solution. In this paper, we propose and implement on personalized method of individual LBS using collaborative filtering-based recommend system. Proposed personalized LBS system recommends contents which is expected to be interest for individual user, by predicting location-based contents within a user's setting radius. To evaluate performance of proposed system, we observed prediction accuracy with various experimental condition using our prototype. As a result, we confirmed that the convergence of collaborative filtering and LBS is effective for personalized LBS.

• KIISE Transactions on Computing Practices
• /
• v.22 no.10
• /
• pp.504-512
• /
• 2016

In this paper, we propose a personalized event recommendation scheme using user's activity analysis and collaborative filtering in social network environments. The proposed scheme predicts un-evaluated attribute values through analysis of user activities, relationships, and collaborative filtering. The proposed scheme also incorporates a user's recent preferences by considering the recent history for the user or context-aware information to precisely grasp the user's preferences. As a result, the proposed scheme can recommend events to users with a high possibility to participate in new events, preventing indiscriminate recommendations. In order to show the superiority of the proposed scheme, we compare it with the existing scheme through performance evaluation.

• Proceedings of the Korean Operations and Management Science Society Conference
• /
• 2005.10a
• /
• pp.257-263
• /
• 2005

초기에 하나의 상품 카테고리만을 다루던 전자상거래 사이트들이 브랜드 확립 후에 다른 상품 카테고리까지 확대해 나가는 모습을 많이 보아왔다. 고객이 아직 방문하지 않은 신규 상품 카테고리의 상품에 대하여 기존 상품 카테고리에서 만들어진 사용자 프로파일을 활용하여 개인화된 추천을 할 수 있다면, 고객이 다양한 상품 카테고리를 방문하도록 유도할 수 있을 것이다. 하지만 일반적으로 전자상거래 사이트에서는 상품 카테고리별로 사용자의 선호도를 파악하여 개인화된 추천을 수행하기 때문에, 해당 카테고리 내 상품의 구매나 방문 기록이 없다면 개인화된 추천을 수행하기가 어렵다 . 본 논문에서는 협업 필터링을 통해 신규 상품카테고리 내의 상품을 추천하기 어려운 고객들을 대상으로 기존의 사용자 선호도 데이터를 활용하여 신규 상품 카테고리 내의 상품을 추천하는 방안의 타당성을 살펴보도록 한다. 즉, 기존 사용자의 특정상품 카테고리 선호도 데이터를 통해 사용자간 유산도를 계산하고, 이를 추천하려는 타 상품 카테고리 내의 상품들에 대한 예측 선호도 계산에 활용 타당성을 살펴본다. 이를 실증적으로 검토하기 위해서, Yes24 사이트의 서적, 음반, DVD 3개의카테고리 내의 상품을 방문한 웹 패널 데이터를 이용하여 타당성 분석을 수행하였다. 분석 결과, 동일 상품 카테고리 내의 선호도 정보를 가지고 현업 필터링을 수행하는 것보다는 추천 성과가 낮았지만 활용할만한 추천 성과를 보였으며, 활용하는 상품 카테고리와 예측하는 상품 카테고리별로 추천성과가 상이했다.

• The Journal of Society for e-Business Studies
• /
• v.14 no.1
• /
• pp.1-11
• /
• 2009

Many neighbors are needed for making the recommendation quality better and stable in collaborative filtering. Furthermore, the quality is not so good mainly due to a reason that high similarity between two users does not guarantee the same preference to items considered for recommendation. Dissimilar users who have consistency in item selection can be useful for predicting preferences. This paper proposes a new collaborative filtering method, defining trust based on consistency for improving this phenomenon. Empirical studies show that such a method reduces the number of neighbors required to make the recommendation quality stable and the recommendation quality itself is also significantly improved.