• 한국정보통신학회논문지
• /
• 제18권2호
• /
• pp.379-386
• /
• 2014

모바일 기기의 사용이 급증하면서 앱 스토어를 이용하는 사용자들 또한 증가하고 있다. 그러나 앱 스토어들은 대부분 단순한 랭킹 방식의 추천을 사용하므로 추천의 정확성이 떨어진다. 본 논문에서는 사용자에게 더 적합한 아이템을 추천하기 위해 사용자 정보 가중치와 아이템의 최근 선호 정도를 반영한 기법을 제안한다. 제안하는 기법은 데이터 셋을 카테고리별로 구분한 후 협업필터링 기법에 사용자 정보 가중치를 적용하여 예측값을 추출한다. 카테고리별로 아이템에 대한 최근 선호 정도를 반영하기 위해 특정 기간을 지정한 아이템 평가값 평균을 구한다. 최종적으로 두 결과 값을 결합하여 아이템을 추천한다. 실험을 통해 제안한 기법이 기존의 아이템 기반, 사용자 기반 기법보다 추천의 정확성과 적합성이 향상되는 것을 확인하였다.

• 지능정보연구
• /
• 제13권4호
• /
• pp.45-63
• /
• 2007

유비쿼터스 환경에 기반한 시장, 즉 U-마켓에서는 고객이 제품을 구매함과 동시에 고객의 정보가 u-마켓 서버시스템에 저장되어 인터넷 쇼핑몰과 같이 다양한 분석과 활용이 가능하게 되었다. 물리적인 공간과 가상 공간이 결합된 유비쿼터스 기반의 시장 환경에서는 고객이 오프라인에서 다양한 매장을 방문하면서 쇼핑을 하게 되는데, 이때 여러 매장에 동일한 제품이 동시에 존재할 수 있으므로 매장의 위치, 매장 분위기, 제품의 품질이나 가격 등에 대한 고객의 선호도를 반영하여 고객 개개인에게 적절한 매장을 추천해야 할 필요성이 제기된다. 본 논문에서는 유비쿼터스 환경에 기반한 시장에서 고객의 쇼핑 상황을 고려하여 고객의 선호를 반영할 수 있는 매장 추천방법을 제안한다. 제안한 매장 추천방법은 협업 필터링과, Apriori 알고리즘을 기반으로 구성되어 있다. 온라인 쇼핑몰과는 다르게 U-마켓에서는 고객 개개인의 구매목록과 고객의 선호도를 반영한 매장 추천이 필요하며, 본 논문에서 제안하고 있는 매장 추천방법은 고객의 쇼핑경험을 극대화 하고 쇼핑 효율성을 제고시킬 뿐 아니라 장기적인 관점에서 매출증대를 통해 U-마켓 활성화에 기여할 수 있을 것으로 기대한다.

• 한국문헌정보학회지
• /
• 제57권2호
• /
• pp.409-434
• /
• 2023

이 연구에서는 국내 문헌정보학 분야 4개 학회 학술지에 2002년부터 2021년까지 20년 동안 게재된 논문 전체의 저자를 분석하여 국내 문헌정보학 학술지를 통한 학술 커뮤니케이션 현황을 고찰하고 향후 전망을 제시하는 것을 목표로 한다. 이를 위해서 학술지별 공저자 수, 귀환저자 비율, 투고선호지수, 저자집단 변화 추세, 연구자 유인지수 등을 분석하였다. 분석 결과 4개 학술지의 공동연구 수준, 학술지별로 연관된 저자집단의 형성 정도, 저자집단이 변화된 변곡점, 신진 연구자 집단의 특성, 학술지 간 저자 공유 정도 등이 파악되었다. 전체적으로 2015년이 한국 문헌정보학 저자집단이 변화한 변곡점으로 나타났으며, 이후에 등장한 신진 연구자들은 주로 공동연구를 수행하면서 이전과 다소 다른 학술지 논문발표 행태를 보였다. 계량분석을 수행한 이 연구의 결과가 질적 연구방법을 사용한 선행 연구와 함께 활용된다면 한국 문헌정보학 학술지 발전 전략에 대한 다각화 연구를 수행한 효과를 거둘 것으로 기대된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권1호
• /
• pp.446-465
• /
• 2015

In this modern era of technology and information, e-learning approach has become an integral part of teaching and learning using modern technologies. There are different variations or classification of e-learning approaches. One of notable approaches is Personal Learning Environment (PLE). In a PLE system, the contents are presented to the user in a personalized manner (according to the user's needs and wants). The problem arises when a new user enters the system, and due to the lack of information about the new user's needs and wants, the system fails to recommend him/her the personalized e-learning contents accurately. This phenomenon is known as cold-start problem. In order to address this issue, existing researches propose different approaches for recommendation such as preference profile, user ratings and tagging recommendations. In this research paper, the implementation of a novel interaction-based approach is presented. The interaction-based approach improves the recommendation accuracy for the new-user cold-start problem by integrating preferences profile and tagging recommendation and utilizing the interaction among users and system. This research work takes leverage of the interaction of a new user with the PLE system and generates recommendation for the new user, both implicitly and explicitly, thus solving new-user cold-start problem. The result shows the improvement of 31.57% in Precision, 18.29% in Recall and 8.8% in F1-measure.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권1호
• /
• pp.109-134
• /
• 2018

Collaborative Filtering (CF) is widely used in recommendation field, which can be divided into rating-based CF and learning-to-rank based CF. Although many methods have been proposed based on these two kinds of CF, there still be room for improvement. Firstly, the data sparsity problem still remains a big challenge for CF algorithms. Secondly, the malicious rating given by some illegal users may affect the recommendation accuracy. Existing CF algorithms seldom took both of the two observations into consideration. In this paper, we propose a recommendation method based on listwise learning-to-rank by incorporating users' social information. By taking both ratings and order of items into consideration, the Plackett-Luce model is presented to find more accurate similar users. In order to alleviate the data sparsity problem, the improved matrix factorization model by integrating the influence of similar users is proposed to predict the rating. On the basis of exploring the trust relationship between users according to their social information, a listwise learning-to-rank algorithm is proposed to learn an optimal ranking model, which can output the recommendation list more consistent with the user preference. Comprehensive experiments conducted on two public real-world datasets show that our approach not only achieves high recommendation accuracy in relatively short runtime, but also is able to reduce the impact of malicious ratings.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.693-694
• /
• 2016

최근 스마트폰과 같이 개인화 서비스가 가능한 스마트 디바이스들이 급격히 보급되며 추천가 시스템에 대한 관심이 증가하고 있다. 그러나 활용 방안이 광범위함에도 불구하고 마케팅 등의 특정 분야에 한정되어 있거나 기술이 저수준에 머물러 있어 국내의 추천가 시스템은 아직 도입단계에 불과하다. 추천가 시스템은 어떠한 정보를 사용하는지에 따라 크게 내용 기반 필터링과 협업 필터링 두 가지로 분류한다. 본 연구에서는 메뉴 추천 분야에서 유저의 메뉴 선택이 주변 상황에 큰 영향을 받는다는 것에 착안해, 인근 유저와의 메뉴 선택 정보를 반영하는 협업 필터링과 사용자 개인의 취향에 최적화된 메뉴를 제공하는 내용 기반 필터링을 결합하는 방식으로 두 가지 필터링 기법을 결합한 메뉴 추천 시스템인 UBCRS(User-Based Collaborative Recommend System)를 제안한다.

• 한국콘텐츠학회논문지
• /
• 제8권5호
• /
• pp.38-43
• /
• 2008

감성공학이 생활의 일부가 되어가면서 정보의 양도 급속도로 늘어나고 있으며, 이로 인해 데이터 속에서 정보를 찾아내는 기술이 부각되고 있다. 협력적 필터링은 비슷한 선호도를 가진 일부 사용자의 정보를 바탕으로 하기 때문에 나머지 정보를 무시하는 경향이 있다. 본 논문에서는 유전자 알고리즘을 이용한 감성공학적 의상 코디 지원 방법을 제안한다. 제안된 방법에서는 유전자 알고리즘에 의한 적합 함수로 평가 값을 계산하고 a-cut을 이용하여 군집한다. 성능평가를 위해 설문조사 데이터 집합에서 기존의 방법과 비교 평가하였다. 실험 결과 제안한 방법이 기존의 다른 방법들보다 정확도면에서 우수함을 확인하였다.

• 디지털콘텐츠학회 논문지
• /
• 제8권4호
• /
• pp.521-529
• /
• 2007

본 논문에서는 개인의 취향에 맞는 음악을 자동으로 추천해주는 음악 추천 시스템을 소개한다. 본 논문에서 소개하는 추천 시스템은 각 음악 사이의 유사도를 그래프로 저장하는 그래프 기반 협동적 여과 방식을 사용하여 사용자의 암시적 선호 정보를 바탕으로 빠른 추천을 할 수 있으며, 또한 사용자의 정적인 성향뿐 아니라 시간에 따라 달라지는 동적인 성향에 맞는 추천도 가능하도록 설계되었다. 추천 서버는 자바로 구현되었으며 독립된 서버로서 클라이언트와 정해진 프로토콜에 따라 통신하도록 구현되었다. 구현된 추천 서버와 실제 사용자들의 음악 다운로드 데이터를 이용하여 추천 데모 사이트를 구축하였으며, 실험을 통하여 추천 결과의 정확도를 측정하였다.

• 디지털산업정보학회논문지
• /
• 제19권3호
• /
• pp.221-232
• /
• 2023

In this paper, we propose a recommendation system based on the latent factor model using matrix factorization, which is one of the most commonly used collaborative filtering algorithms for recommendation systems. In particular, by introducing the concept of creating a list of recommended content and a list of non-preferred recommended content, and removing the non-preferred recommended content from the list of recommended content, we propose a method to ultimately increase the satisfaction. The experiment confirmed that using a separate list of non-preferred content to find non-preferred content increased precision by 135%, accuracy by 149%, and F1 score by 72% compared to using the existing recommendation list. In addition, assuming that users do not view non-preferred content through the proposed algorithm, the average evaluation score of a specific user used in the experiment increased by about 35%, from 2.55 to 3.44, thereby increasing user satisfaction. It has been confirmed that this algorithm is more effective than the algorithms used in existing recommendation systems.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.346-348
• /
• 2022

Keyword-Based Contents Recommendation Web Service(서비스명 'mobodra')는 미디어 종류 및 장르 취향을 유저별로 분석하여 이에 맞는 콘텐츠를 추천하는 웹 서비스이다. 유저들은 회원가입 시 웹에서 제공하는 랜덤한 작품 중에 일부를 선택하며 서버에서 이를 토대로 취향을 분석한다. 해당 분석을 토대로 유저별 선호 콘텐츠를 추천한다. 본 논문에서는 아이템 기반 협업 필터링(Item-Based Collaborative Filtering)을 통해 콘텐츠 추천 알고리즘을 구현한다. 유저의 활동 데이터 혹은 선호도 재조사 시 위 과정을 다시 실행하여 사용자의 취향을 갱신한다.