• 정보처리학회논문지B
• /
• 제19B권4호
• /
• pp.231-236
• /
• 2012

소비자 행동이론에 따르면 사람의 성향은 향상초점과 예방초점이라는 두 가지 조절초점 유형으로 나누어지며, 이 두 가지 성향은 다양한 영역에 있어서 소비자의 의사결정에 많은 영향을 미치는 것으로 알려져 있다. 본 연구에서는 개인화 추천에서 Cold Start 문제의 최소화 및 추천 알고리즘 성능 개선을 위하여 조절초점이론을 적용한다. 이를 위하여, 웹쇼핑 로그로부터 소비자 별 행동변수, 정보탐색활동성 지수를 추출하고 이를 활용한 소비자 조절초점성향 분류 방법을 제안한다. 본 연구는 사회과학/IT 융합 연구로서 소비자행동 이론의 시스템화 가능성을 입증하였다는 점에 있어서 의의를 지니며, 향후 다양한 분야의 이론들을 적용한 IT 서비스에 대한 연구로 확장하고자 한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제4권9호
• /
• pp.289-296
• /
• 2015

정보의 폭발적인 증가로 사용자들은 원하는 정보를 빠른 시간에 얻는 것이 힘들어졌다. 따라서 이 문제를 해결하기 위한 다양한 방식의 새로운 서비스들이 제공되고 있다. 개인에게 맞는 맞춤 서비스를 제공하는 것이 중요하게 부각되면서 개인화 추천 시스템이 매우 중요하게 되었다. 추천 시스템 중 협업 필터링은 추천 시스템에서 널리 사용되고 있고 개인화 추천 시스템 중에서 가장 성공적인 방법이다. 협업 필터링 방법은 고객들의 프로파일 정보를 기반으로 추천을 하므로 희박성 문제와 cold-start 문제가 있다. 본 논문에서는 개인에게 더 정확하게 추천하기 위해 협업 필터링 기법과 상황기반 기법을 함께 이용하는 방법을 제안한다. 상황기반 기법은 사용자를 둘러싼 시간, 감정, 장소 등과 같은 환경을 고려하여 사용자에게 맞는 아이템을 추천하는 방법으로 상황에 따라 달라지는 사용자의 선호도를 반영할 수 있다. 본 논문에서는 상황기반 기법을 활용하기 위해 상황정보로 감정을 이용하며 이를 위해 개인의 주관적인 정보를 파악하는 데 효과적인 영화 리뷰를 이용한다. 본 논문에서 제안한 방법은 기존의 협업 필터링 방법보다 성능평가 결과, 향상된 성능을 보였다.

• 한국해안해양공학회지
• /
• 제5권4호
• /
• pp.406-413
• /
• 1993

수심적분의 2차원 연안수동역학 모형중 시간진행의 방법과 조화해석 방법에 의하여 전개한 유한요소모형을 비교검토하여 각 모형의 특성을 파악하고 오차를 해석하기 위하여 본 연구를 수행 하였는데 이에 이용된 모형은 ADCIRC, STEPM, FUNDY 그리고 TEA이다. 비교방법으로 해석적 해를 구할 수 있는 4분환원의 형상에서 영역내 특정점에 대한 수치해의 변화추이와 전영역에 관하여 해석해와의 정규오차의 비교를 통해 각 특성을 살펴보았다. 그 결과 전반적으로 조화모형이 시간진행모형에 비하여 매우 우수하고 거의 해석적 해와 일치되는 결과를 보이는 반면, 시간진행모형인 STEPM은 조화모형에 비하여 약 7배, ADCIRC는 STEPM에 비하여 5배 가량 정도가 떨어지는 것으로 나타났다. 이렇게 오차에 지대한 영향을 미치는 것은 초기조건으로 설정한 cold start의 영향 때문에 발생되는 phase lag와 비선형항의 영향인 것으로 추론되었다.

• 한국자동차공학회논문집
• /
• 제20권4호
• /
• pp.25-32
• /
• 2012

Cold start driving cycles exhibit an increases in friction losses due to the low temperatures of metal components and media compared to the normal operating engine conditions. These friction losses are adversely affected to fuel economy. Therefore, in recent years, various techniques for the improvement of fuel economy at cold start driving cycles have been introduced. The main techniques are the upward control of coolant temperature and the fast warm-up techniques. In particular, the fast warm-up techniques are implemented with the coolant flow-controlled water pump and the WHRS (waste heat recovery system). This paper deals with an effect of fast ATF (automatic transmission fluid) warm-up on fuel economy using a recovery system of EGR gas waste heat in a diesel engine. On a conventional diesel engine, two ATF coolers have been connected in series, i.e., an air-cooled ATF cooler is placed in front of the condenser of air conditioning system and a water-cooled one is embedded into the radiator header. However, the new system consists of only a water-cooled heat exchanger that has been changed into the integrated structure with an EGR cooler to have the engine coolant directly from the EGR cooler. The ATF cooler becomes the ATF warmer and cooler, i.e., it plays a role of an ATF warmer if the temperature of ATF is lower than that of coolant, and plays a role of an ATF cooler otherwise. Chassis dynamometer experiments demonstrated the fuel economy improvement of over 2.5% with rapid increase in the ATF temperature.

• 에너지공학
• /
• 제18권1호
• /
• pp.69-73
• /
• 2009

자동차로부터 배출되는 배출가스의 규제가 최근 더욱 강화되고 있다. 이러한 엄격해지는 규제는 배출가스를 줄이는 대체연료의 개발에 더욱 박차를 가하게 된다. 본 연구는 가솔린, 디젤, LPG 연료를 사용하는 동급의 자동차를 이용하여 배출가스의 특성을 분석 비교하였다. 테스트 모드로는 최근 국내와 북미 배출가스의 주행모드로 사용되는 CVS-75모드를 사용하였다. 배기 특성은 주행조건에 하에서 연구되어졌다. 사용연료인 가솔린, 디젤, LPG연료에 따라 THC, CO, NOx의 배출가스의 특성을 연구했다. 연구결과, LPG연료에 비해 가솔린자동차가 9.8%의 배출가스 감소, 디젤자동차는 12.2% 증가를 나타냈다. 또한 CVS모드에서 가솔린과 LPG는 phase 1의 냉간시동구간에서 THC와 CO는 80%이상을 나타낸다.

• 정보과학회 논문지
• /
• 제43권11호
• /
• pp.1188-1200
• /
• 2016

추천 시스템은 개인에게 고도로 개인화된 아이템을 제공함으로써 아이템의 선택과 소비과정에서 발생하는 과부하를 줄여주고 효율성을 증대시키는 중요한 역할을 한다. 본 연구에서는 전통적인 추천 기법인 Content-Based(CB)기법과 최근 대두되는 Social Network-based(SN)기법을 접목하여 새로운 복합방식의 정보 추천 알고리즘을 제시한다. CB기법의 대표적인 한계점인 cold start problem과 SN기법에서 부족할 수 있는 추천 아이템의 전문성 문제를 상호 보완하는 형태가 되며, 특히 최근 소셜 네트워크의 특징인 비신뢰(non-trust) 기반의 영향력 있는 정보 확산자가 존재하는 환경에서 기법을 적용할 수 있도록 하였다. 또한 대부분 사람 추천 중심인 기존의 SN기법들과는 달리 사람에게 제공할 정보를 추천하는데 초점을 두며, 정보의 선정과정에서 개인의 소셜 네트워크와 실세계(real world)에서의 사회활동 정보를 모두 활용하여 더욱 더 개인화된 가치정보를 제공하고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제24권12호
• /
• pp.93-100
• /
• 2019

유사도 계산은 메모리 기반 협력필터링 시스템의 성능에 매우 중요하다. 이 시스템들은 사용자 평가치들을 이용하여 온라인 상업 사이트에서 고객들에게 상품을 추천한다. 더욱 적합한 추천을 위해 현 사용자와 가장 유사한 사용자들을 선정하여 참조한다. 기존 문헌에는 많은 유사도 척도들이 개발되었는데, 이들은 대개 데이터 희소성이나 완전 시작 문제를 내포하고 있다. 본 논문에서는 기존 척도들과는 달리 사용자 평가치들로부터 선호 정보를 최대한 추출함으로써 희소한 데이터 조건에서도 더욱 신뢰할 수 있는 유사도값을 산출하고자 한다. 사용자 평가치 뿐만 아니라 데이터셋이 제공하는 영화장르 정보를 이용하는 새로운 유사도 척도를 제시한다. 본 척도와 기존의 관련된 척도들의 성능 실험을 하였고, 그 결과, 제안 척도는 주요 성능 평가기준 상으로 더욱 우수하거나 유사한 성능 결과를 보임을 확인하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제32권6호
• /
• pp.542-553
• /
• 2005

추천 시스템은 사용자의 선호도를 분석하고, 아이템에 대한 사용자의 선호도를 예측하여 아이템을 추천하는 시스템이다. 다양한 추천 기법 중에 협동적 여과(collaborative filtering)는 상용화된 시스템에성공적인 적용이 이루어진 기법이다. 그러나 협동적 여과는 데이타의 희소성 문제(sparseness problem)와초기 추천 문제(cold-start problem)에 대해 취약점을 가 고 있다. 만약 매우 적은 양외 선호도 데이타가존재하면 많은 유사 사용자를 찾기 어려우며, 이것은 추천 성능을 저하시키는 요인으로 작용한다. 또한 선호도 정보가 없는 새로운 사용자에게는 아이템을 전혀 추천할 수 없는 문제가 발생한다. 본 논문에서는 사용자와 아이템에 대한 추가 속성 정보를 통합하여 협동적 여과의 희소성 문제와 초기 추천 문제를 해결하 고 추천 성능을 향상시키는 기법을 제안한다. 본 논문에서 제안하는 기법은 추가 속성 정보의 확률분포를 이용하여 알려지지 않은 선호도 값을 예측함으로써 선호도 데이타를 변경 고, 변경된 선호도 데이타에 협동적 여과를 적용하여 top-N 추천을 생성하는 것이다. 이와 같은 선호도 데이타 변경 기법을 데이타 블러링(data blurring)이라 한다. 몇 가지 실험 결과를 통해 제안된 기법의 효과를 확인하였다.

• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.707-712
• /
• 2017

데이터의 양이 기하급수적으로 증가함에 따라 추천 시스템(recommender system)은 영화, 도서, 음악 등 다양한 산업에서 관심을 받고 있고 연구 대상이 되고 있다. 추천시스템은 사용자들의 과거 선호도 및 클릭스트림(click stream)을 바탕으로 사용자에게 적절한 아이템을 제안하는 것을 목적으로 한다. 대표적인 예로 넷플릭스의 영화 추천 시스템, 아마존의 도서 추천 시스템 등이 있다. 기존의 선행 연구는 협업적 여과, 내용 기반 추천, 혼합 방식의 3가지 방식으로 크게 분류할 수 있다. 하지만 기존의 추천 시스템은 희소성(sparsity), 콜드스타트(cold start), 확장성(scalability) 문제 등의 단점들이 있다. 이러한 단점들을 개선하고 보다 정확도가 높은 추천 시스템을 개발하기 위해 실제 온라인 기업의 상품구매 데이터를 이용해 factorization machine으로 추천시스템을 설계했다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권12호
• /
• pp.1672-1683
• /
• 2004

추천 시스템은 일상의 정보를 필터링 해주는 웹 지능화 기술 중의 하나이다. 현재까지 협력기반 (사회기반) 추천 시스템, 내용기반 추천시스템과 이들의 장점을 혼합한 추천시스템들이 개발되어 왔다. 본 논문에서는 클러스터링 기법을 항목기반 협력필터링 틀에 적용한 일명 ICHM이라 불리는 새로운 형태의 혼합 추천 시스템을 소개한다. 이 방법은 항목의 내용 정보를 협력필터링 틀 안에 통합시킴으로써 평가 데이타의 희박성을 줄일 수 있을 뿐만 아니라 새로운 항목 추천 시 발생하는 문제점을 해결할 수 있다. ICHM 방법의 특성 및 성능을 평가하기 위하여 MovieLense 데이타를 이용한 다양한 실험을 하였다. 실험 결과, ICHM 방법이 항목기반 협력 필터링의 예측 질을 향상시킬 뿐만 아니라 새로운 항목 추천 시에도 아주 유용함을 확인할 수 있었다.