• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권7호
• /
• pp.2399-2413
• /
• 2021

A recommendation system is an information filter tool, which uses the ratings and reviews of users to generate a personalized recommendation service for users. However, the cold-start problem of users and items is still a major research hotspot on service recommendations. To address this challenge, this paper proposes a high-efficient hybrid recommendation system based on Fuzzy C-Means (FCM) clustering and supervised learning models. The proposed recommendation method includes two aspects: on the one hand, FCM clustering technique has been applied to the item-based collaborative filtering framework to solve the cold start problem; on the other hand, the content information is integrated into the collaborative filtering. The algorithm constructs the user and item membership degree feature vector, and adopts the data representation form of the scoring matrix to the supervised learning algorithm, as well as by combining the subjective membership degree feature vector and the objective membership degree feature vector in a linear combination, the prediction accuracy is significantly improved on the public datasets with different sparsity. The efficiency of the proposed system is illustrated by conducting several experiments on MovieLens dataset.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제12권1호
• /
• pp.25-40
• /
• 2023

추천 시스템은 지능적인 자동 결정을 생성하기 위해 사용자가 자주 사용한다. 영화 추천 시스템의 연구에서, 기존 접근 방식은 협업 및 콘텐츠 기반 필터링 기술을 사용한다. 협업 필터링은 사용자 유사성을 고려하는 반면, 콘텐츠 기반 필터링은 단일 사용자의 활동에 중점을 두고 있다. 또한 협업 필터링과 콘텐츠 기반 필터링을 결합한 혼합 필터링 접근법은 서로의 한계를 보완하기 위해 사용되고 있다. 최근엔 더 나은 추천 서비스를 제공하기 위해 사용자 간의 유사성을 찾는데 몇 가지 AI 기반 유사성 기법을 사용하고 있다. 본 논문은 기존의 다양한 영화 추천 시스템과 문제점 분석을 통해 가능한 해결책을 도출하여 유용한 확장 방안을 제공하는 것을 목표로 한다.

• 지능정보연구
• /
• 제14권1호
• /
• pp.101-115
• /
• 2008

일반적으로 혼합 추천 시스템(hybrid recommender system)이란 협업적 여과 방법(collaborative filtering)을 다른 기술들과 결합하여 사용하여 사용자가 원하는 정보를 손쉽게 찾을 수 있도록 도와주는 시스템이다. 협업적 여과 방법과 결합된 혼합 시스템은 대체로 내용이 유사한 아이템들이 추천 되어 전반적인 아이템 추천 성능 및 새로이 추가된 아이템에 대한 추천의 질이 떨어지는 문제가 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 다양성(diversity)을 고려한 새로운 혼합 추천 시스템을 제안한다. 제안된 시스템에서는 첫 번째 단계로 협업적 여과 방법으로부터 추천된 아이템들 간의 비유사도를 측정한다. 두 번째 단계로는 첫 번째 단계에선 추천된 비유사도가 높은 아이템들을 내용 기반의 여과 방법(content-based filtering)에 적용하여 새로운 아이템에 대한 추천 성능을 향상 시킨다. 제안된 방법의 성능 평가를 위해 movielens 데이터를 이용하여 기존의 내용기반 추천 시스템 및 단순 혼합 시스템과 비교 평가하였다. 실험 결과 제안된 방법이 내용기반 추천 시스템 및 단순 혼합시스템보다 높은 추천 성능을 보였다.

• 감성과학
• /
• 제9권spc3호
• /
• pp.179-185
• /
• 2006

본 연구는 다른 분야에서 성공적으로 활용되고 있는 다양한 추천 기법들을 비교하는 사례 연구를 통해 더욱 효과적인 디자인 개인화 서비스 개발의 기회를 모색하고자 하였다. 우선, 문헌연구를 통하여 '컨텐츠 기반 기법', '협력적 필터링 기법', 그리고 '인구통계적 필터링 기법'과 같은 대표적인 추천 기법들의 특징과 장단점을 고찰하였다. 다음으로 이러한 기법들이 디자인과 같은 컨텐츠를 대상으로 적용되었을 때 예상되는 추천 정확성을 분석하기 위해 실험을 실시하였다. 그 결과, 인구통계적 필터링 기법은 나머지 기법에 비해서 비교적 낮은 정확성을 보였으며 컨텐츠 기반 기법이 가장 좋은 높은 추천 정확성을 나타내었다. 아울러 협력적 필터링 기법은 참여자들의 수가 증가할수록 좀 더 높은 추천 정확성을 나타냄을 알 수 있었다. 결론적으로 디자인 추천 서비스는 컨텐츠 기반 기법이나 협력적 필터링 기법의 적용을 통해 그 추천 정확성을 향상시킬 수 있으며 대상 사용자의 수가 일정 수준 이상으로 증가된다면 협력적 필터링 기법이 가장 우수한 효율을 나타낼 가능성이 높음을 제시하였다.

• 한국콘텐츠학회논문지
• /
• 제13권11호
• /
• pp.11-20
• /
• 2013

최근 SNS(Social Network Service)의 사용이 급격히 증가함에 따라 추천 기법에 대한 연구가 활발히 진행되고 있다. 추천 기법은 사용자들이 좋아하거나 필요할만한 다양한 서비스들을 실시간으로 제공하는 기법이다. 그 중 그룹 추천은 사용자의 성향 정보를 기반으로 적합한 그룹을 제공해 주는 기법이다. 본 논문에서는 소셜 네트워크 환경에서 사용자 프로필 및 협업 필터링을 이용한 그룹 추천 기법을 제안한다. 제안하는 기법은 사용자의 최근 그룹 활동 정보를 수집하여 프로필 정보를 갱신하기 때문에 기존의 정적프로필 기반의 그룹 추천 기법의 최근 사용자의 성향을 고려하지 못하는 문제점을 해결한다. 또한, 협업 필터링을 통해 그룹 내 자신의 성향과 비슷한 사용자들의 프로필 데이터를 활용하여 그룹을 추천함으로써 사용자에게 좀 더 다양한 그룹을 제공한다. 성능 평가 결과 제안하는 기법이 기존 기법에 비해 사용자의 변화하는 성향이 충분히 반영된 다양한 그룹 추천이 이루어지는 것을 확인 할 수 있었다.

• 전기학회논문지
• /
• 제66권7호
• /
• pp.1083-1091
• /
• 2017

As big data technologies have been developed and massive data have exploded from users through various channels, CEO of global IT enterprise mentioned core importance of data in next generation business. Therefore various machine learning technologies have been necessary to apply data driven services but especially recommendation has been core technique in viewpoint of directly providing summarized information or exact choice of items to users in information flooding environment. Recently evolved recommendation techniques have been proposed by many researchers and most of service companies with big data tried to apply refined recommendation method on their online business. For example, Amazon used item to item collaborative filtering method on its sales distribution platform. In this paper, we develop a commercial web service for suggesting music contents and implement three representative collaborative filtering methods on the service. We also produce recommendation lists with three methods based on real world sample data and evaluate the usefulness of them by comparison among the produced result. This study is meaningful in terms of suggesting the right direction and practicality when companies and developers want to develop web services by applying big data based recommendation techniques in practical environment.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.173-178
• /
• 2022

최근, 소셜 네트워크 서비스에서 딥러닝을 활용한 추천시스템이 활발하게 연구되고 있다. 하지만 딥러닝을 이용한 추천시스템의 경우 콜드스타트 문제와 복잡한 연산으로 인해 늘어난 학습시간이 단점으로 존재한다. 본 논문에서는 사용자의 메타데이터를 활용하여 사용자 맞춤형 운동 루틴 추천 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 메타데이터(사용자의 키, 몸무게, 성, 등)를 입력받아 설계된 모델에 적용한다. 본 논문에서 제안한 운동 추천시스템 모델은 matrix factorization 알고리즘과 multi-layer perceptron을 활용한 neural collaborative filtering(NCF) 알고리즘을 기반으로 설계된다. 제안된 모델은 사용자 메타데이터와 운동 정보를 입력받아 학습을 진행한다. 학습이 완료된 모델은 특정 운동이 입력되면 사용자에게 추천도를 제공한다. 실험 결과에서 제안하는 운동 추천시스템 모델이 기존 NCF 모델보다 10% 추천 성능 향상과 50% 학습 시간 단축을 보였다.

• 디지털융복합연구
• /
• 제12권8호
• /
• pp.329-335
• /
• 2014

협력 필터링은 상업적 추천 시스템에서 널리 사용되어 왔는데, 고객의 사회적 행태를 구현하여 사용자의 흥미에 부합하는 항목들을 제안하기 때문이다. 현재까지 적절한 항목을 추천하기 위한 가장 보편적인 방법은 유사한 사용자들을 찾아 그들의 평가치를 참조하는 방법이다. 본 논문은 영화를 추천하기 위해서 장르 흥미도를 기반으로 하는 새로운 유사도 공식을 제안하는데, 이는 기존 공식에서 사용자들의 평가등급 차이를 기반으로 하는 것과 대비된다. 광범위한 실험 결과에 따르면, 제안한 공식은 정확도와 추천의 질에 있어서 전통적인 유사도 공식의 성능을 크게 향상시키는 것으로 확인되었다.

• 정보과학회 논문지
• /
• 제44권6호
• /
• pp.621-627
• /
• 2017

협업필터링은 사용자들이 평가한 항목들의 유사성을 기반으로 평가되지 않은 항목을 효과적으로 추천해주는 기법이다. 기존에는 사용자가 평가하지 않은 항목 중 상위 N개 항목의 추천 정확도를 높이기 위하여 사용자의 항목의 대한 상대적 선호도를 반영하는 쌍 기반 선호도(pair-wise preference)와 목록 기반 선호도(list-wise preference)가 제안되었다. 하지만 이러한 방법들은 사용자가 평가한 항목 간의 상대적인 선호도를 표현하는데 한계가 있으며, 각각의 항목들의 중요도를 반영할 수 없는 단점이 있다. 본 논문에서는 유사도 및 순위 값을 계산할 때 평점 선호도 표현 방법과 역 사용자 빈도수(inverse user frequency)를 이용하여 사용자의 잠재된 선호도를 표현하는 새로운 방법을 제안한다. 제안 방법을 메모리 기반 협업필터링에 적용하여 비교한 결과 기존 방법보다 최대 2배 이상 정확도가 향상되는 것을 확인할 수 있었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2004년도 추계학술대회
• /
• pp.203-210
• /
• 2004

Due to the explosion of e-commerce, recommender systems are rapidly becoming a core tool to accelerate cross-selling and strengthen customer loyalty. There are two prevalent approaches for building recommender systems - content-based recommending and collaborative filtering. Collaborative filtering recommender systems have been very successful in both information filtering domains and e-commerce domains, and many researchers have presented variations of collaborative filtering to increase its performance. However, the current research on recommendation has paid little attention to the use of time related data in the recommendation process. Up to now there has not been any study on collaborative filtering to reflect changes in user interest. This paper proposes dynamic fuzzy clustering algorithm and apply it to collaborative filtering algorithm for dynamic recommendations. The proposed methodology detects changes in customer behavior using the customer data at different periods of time and improves the performance of recommendations using information on changes. The results of the evaluation experiment show the proposed model's improvement in making recommendations.