• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.05a
• /
• pp.1067-1069
• /
• 2013

전자상거래 시장의 급격한 성장에 따라 고객이 원하는 정보를 얻기 위해 소요되는 시간과 노력을 절약하기 위한 방안으로 추천 시스템의 필요성이 강조되고 있다. 추천 시스템에 일반적으로 가장 많이 쓰이는 것이 협업필터링 기법이다. 협업 필터링은 추천시스템 분야에서 가장 성공적인 기법으로 전자상거래 포털에서 가장 널리 이용되고 있다. 그러나 희박성, 확장성, 투명성 등의 문제점을 가진다. 본 논문에서는 프로파일링 기법을 사용해 협업필터링의 희박성 문제 해소 방안으로 개인성향을 이용하여, 보다 정확한 추천을 하여 온라인 서점에 적용할 수 있는 추천 시스템이다.

• Journal of the Korean Data and Information Science Society
• /
• v.25 no.4
• /
• pp.807-817
• /
• 2014

This paper considers multivariate time series modelling of PM10 data in Korea collected from 2008 to 2011. We consider both temporal and spatial dependencies of PM10 by applying the sparse vector autoregressive (sVAR) modelling proposed by Davis et al. (2013). It utilizes the partial spectral coherence to measure cross correlation between different regions, in turn provides the sparsity in the model while balancing the parsimony of model and the goodness of fit. It is also shown that sVAR performs better than usual vector autoregressive model (VAR) in forecasting.

• Journal of KIISE:Software and Applications
• /
• v.33 no.11
• /
• pp.953-964
• /
• 2006

Due to the usefulness of the collaborative filtering, it has been widely used in both the research and commercial field. However, there are still some challenges for it to be more efficient, especially the scalability problem, the sparsity problem and the cold start problem. In this paper. we address these problems and provide a novel distributed approach based on agents collaboration for the problems. We have tried to solve the scalability problem by making each agent save its users ratings and broadcast them to the users friends so that only friends ratings and his own ratings are kept in an agents local database. To reduce quality degradation of recommendation caused by the lack of rating data, we introduce a method using friends opinions instead of real rating data when they are not available. We also suggest a collaborative filtering algorithm based on user profile to provide new users with recommendation service. Experiments show that our suggested approach is helpful to the new user problem as well as is more scalable than traditional centralized CF filtering systems and alleviate the sparsity problem.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2010.04a
• /
• pp.1113-1114
• /
• 2010

협업필터링 방법은 가장 일반적으로 사용되는 추천 시스템이다. 그런데 협업필터링 방법은 희박성, 확장성 그리고 투명성 등의 문제점을 가지고 있다. 본 논문에서는 개인 성향 중 장르, 성격, 나이, 성별, 혈액형, 지역 등을 고려하여 희박성 문제를 개선한 영화 추천 시스템을 제시한다. 즉, 개인 성향 정보에 따라 가장 성향이 비슷한 사용자들을 분류하고, 그 분류된 정보를 이용하여 개인에게 가장 적합한 개선된 영화추천 기법을 제안한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.1081-1084
• /
• 2014

최근 들어, 많은 추천시스템들이 연구 되고 있으며, 대부분은 개인 맞춤형 추천 시스템이 연구되고 있다. 기존의 영화추천시스템에서는 희박성의 문제가 제기된다. 본 논문에서는 희박성에 대해 보안하고자, 개인리뷰에 대한 가중치를 활용한다. 그 결과 사용자에게 정보의 제공에 대해 효율성을 높이고, 사용자마다 영화에 대한 리뷰에 따른 감정 및 사용자의 정보들을 반영한 영화추천시스템을 설계 및 구현한다.

• Journal of Intelligence and Information Systems
• /
• v.19 no.4
• /
• pp.1-10
• /
• 2013

Personalization aims to provide customized contents to each user by using the user's personal preferences. In this sense, the core parts of personalization are regarded as recommendation technologies, which can recommend the proper contents or products to each user according to his/her preference. Prior studies have proposed novel recommendation technologies because they recognized the importance of recommender systems. Among several recommendation technologies, collaborative filtering (CF) has been actively studied and applied in real-world applications. The CF, however, often suffers sparsity or scalability problems. Prior research also recognized the importance of these two problems and therefore proposed many solutions. Many prior studies, however, suffered from problems, such as requiring additional time and cost for solving the limitations by utilizing additional information from other sources besides the existing user-item matrix. This study proposes a novel implicit rating approach for collaborative filtering in order to mitigate the sparsity problem as well as to enhance the performance of recommender systems. In this study, we propose the methods of reducing the sparsity problem through supplementing the user-item matrix based on the implicit rating approach, which measures the trust level among users via the existing user-item matrix. This study provides the preliminary experimental results for testing the usefulness of the proposed model.

• Journal of Energy Engineering
• /
• v.9 no.4
• /
• pp.319-327
• /
• 2000

산업분야의 여러공정에서 배출되는 휘발성 유기화합물은 1차적인 작업자에 대한 유해성뿐만이 아니라 대기중에 배출시의 제 2차 오염물질의 생성 때문에 최근 들어 이러한 물질의 처리에 큰 관심이 집중되고 있다. 본 연구에서는 휘발성 유기화합물로서 프로판을 사용하여 이러한 초 희박 혼합기의 제거를 위해 재생열산화법이 제안되었다. 실험장치에는 중앙에 연소실과 전기적 열량공급장치를 장착하였다. 초 희박 혼합기의 연소실에서의 산화과정과 열사화 장치의 폐열회수 특성을 연구하기 위하여 혼합기의 농도, 유속 및 연소실 최대온도와 같은 다양한 작동조건을 고려하였다. 그 결과. 재생열산화장치가 초 희박 혼합기의 산화에 적절하게 사용될 수 있음을 알았으며 최대 96%의 제거효율 얻을 수 있었다. 산화과정중에 발생하여 배출되는 CO는 운전조건을 변화시킴으로써 그 농도를 낮출 수 있었으며 열적 NOx는 배출되지 않았다. 페열회수효율은 전 운전영역에서 높게 나타났으며 그 값이 최대 98%에 이르렀다.

• 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.

• Proceedings of the Korean Information Science Society Conference
• /
• 2001.10b
• /
• pp.109-111
• /
• 2001

기존의 협력적 필터링 기술을 이용한 사용자 선호도 예측 방법에서는 아이템에 대한 사용자의 선호도를 기반으로 이웃 선정 방법(Nearest-Neighborhood Method)을 사용하고, 피어슨 상관 계수에 의해 사용자의 유사도를 구하므로 아이템에 대한 내용을 반영하지 못할 뿐만 아니라 희박성 문제를 해결하지 못하였다. 본 논문에서는 기존의 사용자 선호도 예측 방법의 문제점을 보완하기 위하여 연관 사용자 군집과 베이지안 분류를 이음한 사용자 선호도 예측 방법을 제안한다. 제안한 방법에서는 협력적 필터링 시스템에서의 희박성(Sparsity)문제를 해결하기 위하여 ARHP 알고리즘을 사용하여 사용자를 장르별로 군집하며 새로운 사용자는 Naive Bayes 분류자에 의해 이들 장르 중 하나로 분류된다. 또한, 분류된 장르 내에 속한 사용자들과 새로운 사용자의 유사도출 구하기 위해 Naive Bayes 학습을 통해 사용자가 평가한 아이템에 추정치를 달리 부여한다. 추정치가 부여된 선호도를 기존의 피어슨 상관 관계에 적용할 경우 결측치(Missing Value)로 인한 예측의 오류를 적게 하여 예측의 정확도를 높일 수 있다. 제안된 방법의 성능을 평가하기 위해서 기존의 협력적 필터링 기술과 비교 평가하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.504-507
• /
• 2018

빅데이터가 일상이 된 현대 사회에서 책 시장의 증가와 책 양의 증가로 인하여 책을 개인에 맞게 선택하는데 어려움이 있다. 그래서 개인 맞춤 추천 시스템이 필요하다. 개인 맞춤 추천 시스템에서 가장 많이 사용하는 방법은 협업 필터링 방법이 있다. 협업 필터링은 희박성 문제를 가지고 있다. 본 논문에서는 협업 필터링 방법에 희박성 문제를 해결하기 위하여 지역, 나이, 성별, 장르 등 개인 성향을 이용하고, 기존의 책 리뷰를 오피니언 마이닝 기법을 적용하여 개인 맞춤형 도서를 추천하는 추천시스템을 제안한다.