• 디지털융복합연구
• /
• 제11권12호
• /
• pp.431-438
• /
• 2013

본 논문은 자동차 부품 점검과정에서 발생할 수 있는 고장유형별 점검해야 할 부품을 연관관계로 나타내고 이를 온톨로지로 구현한 지능형 추천 프로세서를 제안하였다. 이를 위해 10가지 고장유형과 이에 연관된 부품을 설정하였고 5가지 뷰를 가진 추천 프로세스를 설계하고 시뮬레이션 하였다. 또한, 고장유형에 따라 점검해야 할 컴포넌트들에 대한 각 부품별 연관성에 따른 가중치 값을 조절함으로써 지능형으로 확장 추천이 가능하도록 하였다.

• 한국지능시스템학회논문지
• /
• 제21권5호
• /
• pp.609-617
• /
• 2011

본 논문에서는 트위터로부터 자동 생성한 사용자 프로파일을 이용하는 개인 맞춤형 음식 추천 시스템을 제안한다. 사용자 개인의 트위터 문장에서 명사를 추출하고, 감정단어와의 공기 여부에 따라 감정점수를 계산한 후. 사용자 프로파일을 생성한다. 각 음식에 관한 정보는 웹에서 검색한 웹 페이지를 분석, 가공하여 음식별 대표 명사 목록을 만들어 사용한다. 이렇게 구축된 사용자 프로파일과 각 음식별 특징 정보 간 유사도를 계산하여 사용자에 맞는 음식을 추천 해준다. 제안하는 방법은 추천 시스템을 처음 사용하는 사용자라 할지라도 사용자 프로파일이 자동으로 구축되어 추천에 사용되기 때문에 항상 추천 결과를 얻을 수 있는 장점이 있다.

• 품질경영학회지
• /
• 제36권3호
• /
• pp.66-75
• /
• 2008

Korean insurance companies recently started to understand that the customer satisfaction can be a critical role affecting sales performance and profit. A number of authors have reported and analyzed service quality factors in the auto insurance. The purpose of this research is to examine influence factors for the customer satisfaction in the auto insurance market. This study is assumed that customer satisfaction factors are composed of prices of service and corporate image as well as service quality factors. 249 questionnaires are gathered and analyzed from persons. The main findings of the empirical study are : First, the influence from prices of service and corporate image is higher than that from service quality factors, Second, repurchase of auto insurance highly correlated to recommendation intention.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제10권1호
• /
• pp.19-24
• /
• 2010

The rise of music resources has led to a parallel rise in the need to manage thousands of songs on user devices. So users have a tendency to build playlist for manage songs. However the manual selection of songs for creating playlist is a troublesome work. This paper proposes an auto playlist generation system considering user context of use and preferences. This system has two separated systems; 1) the mood and emotion classification system and 2) the music recommendation system. Firstly, users need to choose just one seed song for reflecting their context of use. Then system recommends candidate song list before the current song ends in order to fill up user playlist. User also can remove unsatisfied songs from the recommended song list to adapt the user preference model on the system for the next song list. The generated playlists show well defined mood and emotion of music and provide songs that the preference of the current user is reflected.

• 인터넷정보학회논문지
• /
• 제20권1호
• /
• pp.57-65
• /
• 2019

200 만명 이상의 회원을 보유하고 있는 "도매꾹" B2B 온라인 쇼핑몰인 경우70% 이상의 시장 점유율로 하루에 80만개 이상의 아이템이 판매되고 있다. 하지만, 동일하거나 유사한 물품이 서로 다른 카탈로그 엔트리에 저장 및 등록되어 있기 때문에 구매자가 아이템을 검색하는 과정에서 어려움을 느끼며 B2B 대형 쇼핑몰 관리에도 문제점이 발생하고 있다. 따라서 이에 대한 해결 방안으로 본 연구에서는 대단위 쇼핑몰 구매 정보를 기반으로 지도-학습 머신러닝 기법을 적용하여 상품에 대한 카탈로그 목록 자동 분류 및 추천 시스템을 개발하였다. 구체적으로 판매자가 자연어 형태로 물품 등록 정보를 입력하면 KoNLPy 형태소 분석 과정을 수행하였으며, Naïve Bayes 분류 방식을 응용하여 물품에 가장 적합한 카탈로그 정보를 자동으로 추천해주는 시스템을 구현하였다. 정확도가 향상된 카테고리 목록을 구축하여 결과적으로 검색 속도와 쇼핑몰 매출을 향상시키는 효과가 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1773-1793
• /
• 2023

Automated machine learning, often referred to as "AutoML," is the process of automating the time-consuming and iterative procedures that are associated with the building of machine learning models. There have been significant contributions in this area across a number of different stages of accomplishing a data-mining task, including model selection, hyper-parameter optimization, and preprocessing method selection. Among them, preprocessing method selection is a relatively new and fast growing research area. The current work is focused on the recommendation of preprocessing methods, i.e., feature subset selection (FSS) algorithms. One limitation in the existing studies regarding FSS algorithm recommendation is the use of a single learner for meta-modeling, which restricts its capabilities in the metamodeling. Moreover, the meta-modeling in the existing studies is typically based on a single group of data characterization measures (DCMs). Nonetheless, there are a number of complementary DCM groups, and their combination will allow them to leverage their diversity, resulting in improved meta-modeling. This study aims to address these limitations by proposing an architecture for preprocess method selection that uses ensemble learning for meta-modeling, namely AutoFE-Sel. To evaluate the proposed method, we performed an extensive experimental evaluation involving 8 FSS algorithms, 3 groups of DCMs, and 125 datasets. Results show that the proposed method achieves better performance compared to three baseline methods. The proposed architecture can also be easily extended to other preprocessing method selections, e.g., noise-filter selection and imbalance handling method selection.

• International journal of advanced smart convergence
• /
• 제8권2호
• /
• pp.56-67
• /
• 2019

The aim of this study is to develop Artificial Intelligence (AI) based business models of media firms. We define AI and discuss 'AI activity model'. The practices of the efficiency model are home equipment-based personalization and media content recommendation. The practices of the expert model are media content commissioning, content rights negotiation, copyright infringement, and promotion. The practices of the effectiveness model are photo & video auto-tagging and auto subtitling & simultaneous translation. The practices of the innovation model are content script creation and metadata management. The related use cases from 2012 to 2017 are introduced along the four activity models of AI. In conclusion, we propose for media companies to fully utilize the AI for transforming from traditional to successful digital media firms.

• 디지털융복합연구
• /
• 제11권7호
• /
• pp.185-192
• /
• 2013

본 연구는 산업현장에서 작업자의 숙련도에 맞추어 학습이 가능한 3D 가시화기술과 이를 바탕으로 하여 자동차 엔진을 구성하고 있는 각각의 부품들 사이의 관계를 설정하고 태스크 온톨로지를 이용하여 자동차 부품을 추천하는 방법을 제안한다. 복합지식을 네트워크 형태의 의미화된 링크와 노드로 구조화하고 3차원 형태로 보여줄 수 있도록 SOM을 이용한 가시화방법을 제안하였다. 또한, is-a Relationship 기반 hierarchical Taxonomy를 이용하여 자동차 엔진을 구성하고 있는 각각의 부품들 사이의 관계를 설정하고, 가중치를 이용한 추천이 이루어 질 수 있도록 하였다. 3D 공간상에 복합지식을 배치하고 사용자에게 제공함으로써 보다 실감적이고 직관적인 네비게이션의 기회를 제공하고, 임의의 자동차 부품을 선택했을 때 해당 부품과 밀접한 관계를 가진 부품을 추천하여 특별한 전문 지식 없이도 손쉽게 자동차 부품의 조립 및 쓰임새와 중요성을 알 수 있게 해준다.

• 한국지능시스템학회논문지
• /
• 제20권3호
• /
• pp.337-342
• /
• 2010

음악의 생산과 수요 증가와 함께 사용자의 장치에 저장되어 있는 음악을 관리하기 위한 관심 또한 증가하고 있다. 일반적으로 사용자는 음악을 효과적으로 관리하기 위해 재생 목록을 작성하고 이를 선택하는 방법을 사용하고 있다. 하지만 현재 사용되는 재생 목록의 작성 방법은 음악을 사용자가 직접 선택해야 하는 한계를 안고 있다. 따라서 재생 목록을 자동으로 작성하여 사용자에게 제공해주는 방법이 필요하다. 본 논문에서는 사용자의 음악사용의 상황과 취향을 고려하여 자동으로 재생 목록을 생성해주는 시스템을 제안한다. 이 시스템은 음악적 무드 (Musical mood) 분류 시스템과 음악 추천 시스템, 두 가지 별개의 시스템으로 구성되어 있다. 사용자는 음악을 추천 받기 위해 단지 하나의 음악을 선택한다. 그러면 시스템은 자동으로 재생 목록을 생성하기 위해 선택된 음악과 유사한 무드의 음악을 재생 목록에 추가한다. 사용자는 재생 목록에 추가된 음악 중 자신의 취향에 맞지 않는 음악을 제거하여 취향에 적합한 음악을 반복적으로 추천 받을 수 있다. 본 논문에서 제안하는 시스템의 실험과 평가를 위해 실제 음악을 수집하였으며 시스템을 통해 생성된 재생 목록을 분석하여 사용자의 취향이 보다 정확히 반영된 것을 확인하였다.

• 디지털융복합연구
• /
• 제19권11호
• /
• pp.17-22
• /
• 2021

본 논문에서는 기존의 인포그래픽 제작방식을 개선하기 위하여 기계학습 기반의 인포그래픽 자동 추천 시스템을 제안하였다. 이 시스템은 복수의 인포그래픽 이미지를 기계학습하는 부분과 사용자의 기초자료 입력만으로 인포그래픽을 인공지능으로 자동 추천하는 부분으로 구성된다. 추천된 인포그랙픽은 라이브러리 형태로 제공되고, 드래그 & 드롭방식으로 추가적인 자료의 입력이 가능하게 된다. 또한, 입력한 자료의 크기에 따라 인포그래픽 이미지가 동적으로 조절되도록 설계하였다. 기계학습 기반의 인포그래픽 자동 추천 과정을 분석한 결과 레이아웃과 키워드에 대한 일치 성공율은 매우 높고, 타입에 대한 일치 성공률은 다소 낮게 나타났다. 추후 인포그래픽 부분별 이미지 타입에 대한 일치 성공률을 향상시키기 위한 연구가 필요할 것이다.