• 정보화연구
• /
• 제10권2호
• /
• pp.251-261
• /
• 2013

다양한 휴대 인터넷 환경의 출현은 기존 모바일 기기의 네트워크 접근을 보다 쉽게 해주고 있다. 또한 무선 환경을 사용하는 모바일 기기 사용자는 혼자 사용하는 특징을 가지고 있으며 유선 환경보다 사용자 프로파일 정보를 쉽게 구할 수 있다. 이러한 모바일 기기의 특징은 개인화 서비스를 적용하기에 최적의 시스템이다. 본 논문에서는 모바일 기기 사용자를 위한 개인화된 모바일 음악 콘텐츠 추천 서비스를 제공한다. 이 서비스는 사용자의 액세스 히스토리(access history) 정보를 활용하여 시간에 가중치 부여를 이용한 협업 필터링 방법을 제안한다. 액세스 히스토리 정보는 사용자의 관심정보를 알아낼 수 있다. 이 정보를 이용하여 음악 장르의 선호도를 고려하고 시간에 따라 가중치를 부여하여 음악을 추천해준다. 이 방법은 기존의 음악 추천 시스템의 문제점인 사용자가 선호하는 음악장르가 시간이 지남에 따라 변화한다는 사실을 고려하지 못하는 문제점을 해결한다.

• 한국콘텐츠학회논문지
• /
• 제7권12호
• /
• pp.292-302
• /
• 2007

최근 고객 선호도에 맞는 정보 또는 상품을 예측하기 위한 연구들이 활발히 진행되고 있다. 고객의 만족도를 향상시키기 위해서 먼저 불필요한 정보들을 제거시켜야 하며 이러한 정보 필터링은 내용기반 필터링, 협업 필터링 등 여러 가지 기법을 통해 연구되고 있다. 본 논문에서는 기존 필터링 기법들의 문제점으로 나타나고 있는 희소성과 확장성을 해결하기 위해서 역전파 신경망을 이용하여 연구를 수행하였다. 신경망의 훈련 데이터는 설문조사를 통해 얻어진 데이터를 사용하였다. 최종적으로 설문조사를 통해 데이터를 수집하고 신경망 기반 추천시스템의 프로토 타입을 제안하였고 기존 정보필터링 기법의 문제점을 개선하였다.

• 디지털융복합연구
• /
• 제17권12호
• /
• pp.1-11
• /
• 2019

본 연구는 대학 플립드러닝에서 수업 성과에 영향을 미치는 요인이 무엇인지 규명하고 학습실재감의 매개효과를 규명하는데 목적이 있다. 이를 위해 학습자 변인으로 자기조절과 학습실재감, 협력지향성을 선정하였으며, 학습성과 변인으로는 지각된 학업성취와 학습참여를 선정하였다. 변인 간 관계를 규명하기 위하여 대학생 39명을 대상으로 16주간 플립드러닝 수업을 실시하고 설문조사를 진행하였으며, 수집된 데이터를 다중회귀분석 및 매개분석으로 분석한 결과는 다음과 같다. 첫째, 학습실재감과 자기조절은 학습참여에 유의한 영향을 미치는 것으로 나타났으며, 더 나아가 학습실재감은 자기조절과 학습참여 관계를 유의하게 매개하는 것으로 나타났다. 둘째, 지각된 학업성취의 경우 학습실재감만이 유의하게 영향을 미치는 것으로 나타났다. 본 연구결과는 향후 대학 플립드러닝의 성과를 높이기 위해서는 자기조절, 학습실재감, 학습참여를 고려한 다양한 교수 학습전략이 필요함을 시사한다.

• 한국지능시스템학회논문지
• /
• 제16권2호
• /
• pp.185-190
• /
• 2006

유비쿼터스 컴퓨팅에서 대부분의 시스템들이 개인화된 추천을 위하여 사용자와 성향이 비슷한 사람들의 컨텍스트 정보를 분석하는데 인구통계학적 방법이나 협력적 필터링을 주로 사용한다. 서비스 추천 시스템들은 컨텍스트 정보 중에서 성별, 나이, 직업, 구매이력 등의 정적 컨텍스트를 주로 사용하고 있다. 그러나 이러한 시스템은 이동경로 같은 사용자의 상황을 고려하기가 어렵기 때문에 개인의 성향을 정확하게 분석하여 실시간으로 개인화된 추천 서비스를 제공하는데 한계가 있다. 본 논문에서는 사용자의 상황을 고려하기 위해 동적 컨텍스트 중에서 사용자의 이동경로를 이용한다. 이동경로의 예측 정확도를 높이기 위해 RSOM의 입력으로 들어가는 이동경로를 경로보정 알고리즘을 사용하여 보정한다. 그리고 보정된 경로를 RSOM으로 학습시켜 사용자의 이동패턴을 분석하고 향후 이동경로를 예측한 후, 사용자의 선호도가 높은 상품들 중에서 예측 경로 상에 있는 가장 가까운 상품을 실시간으로 추천한다. 제안한 방법의 예측 정확도를 측정한 결과 MAE가 평균 0.5 이하로 측정됨으로써 사용자의 이동경로를 올바르게 예측할 수 있음을 확인하였다.

• 정보관리학회지
• /
• 제38권2호
• /
• pp.113-127
• /
• 2021

본 연구는 대학 도서관 사용 증진을 위하여 개인별 맞춤 도서 추천시스템을 구축하는 것을 목적으로 한다. 특히 사용자의 아이템에 대한 선호도가 존재하는 다수의 추천시스템과는 달리, 선호도가 존재하지 않을 때에 도서 추천이 가능하도록 하는 방안인 도서관 이용자의 도서 대출 목록과 성향을 활용하여 평가지표를 생성하는 방법을 제안하고자 한다. 이용자가 아직 읽지 않은 책에 대한 예상 선호도를 산출하는 방식으로 도서를 추천하는 행렬 분해 방법인 Singular Value Decomposition(SVD)과 Stochastic Gradient Descent(SGD) 알고리즘을 활용한 모델을 구축했다. 더불어 유사도가 높은 이용자 그룹 내의 도서 대출 목록을 참조하여 추천하는 사용자 기반 협업 필터링 알고리즘을 활용해 모델을 구현했다. 최종적으로 평가지표를 활용한 세 가지 모델에 대하여 사용자 평가를 진행했다. 각각의 모델이 제시한 개인별 맞춤 도서 다섯 권의 목록을 해당 대출자에게 제공하고, 추천 도서에 대한 만족/불만족 여부를 이진화 점수화하여 모델에 대한 평가를 진행했다.

• 한국컴퓨터정보학회논문지
• /
• 제27권3호
• /
• pp.201-207
• /
• 2022

본 논문에서는 영화 추천 시 평점뿐 아니라 사용자 리뷰도 함께 사용하는 영화 추천 모형을 제안한다. 제안 모형은 고객의 선호도를 다기준 관점에서 이해하기 위해, 사용자 리뷰에 속성기반 감성분석을 적용하도록 설계되었다. 이를 위해, 제안 모형은 고객이 남긴 리뷰를 다기준 속성별로 나누어 암시적 속성을 파악하고, BERT를 통해 이를 감성 분석함으로써 각 사용자가 중요시 생각하는 속성을 선별적으로 협업필터링에 결합하여 추천 결과를 생성한다. 본 연구에서는 유용성을 검증하기 위해 제안모형을 실제 영화 추천 사례에 적용해 보았다. 실험결과 전통적인 협업필터링 보다 제안 모형의 추천 정확도가 향상되는 것을 확인할 수 있었다. 본 연구는 개인의 특성을 고려하여 모형을 선별하여 사용하는 새로운 접근법을 제시하였고, 속성 각각에 대한 평가 없이 리뷰로부터 여러 속성을 파악할 수 있는 방법을 제시했다는 측면에서 학술적, 실무적 의의가 있다.

• 산업경영시스템학회지
• /
• 제46권4호
• /
• pp.1-14
• /
• 2023

As markets and industries continue to evolve rapidly, technology opportunity discovery (TOD) has become critical to a firm's survival. From a common consensus that TOD based on a firm's capabilities is a valuable method for small and medium-sized enterprises (SMEs) and reduces the risk of failure in technology development, studies for TOD based on a firm's capabilities have been actively conducted. However, previous studies mainly focused on a firm's technological capabilities and rarely on business capabilities. Since discovered technologies can create market value when utilized in a firm's business, a firm's current business capabilities should be considered in discovering technology opportunities. In this context, this study proposes a TOD method that considers both a firm's business and technological capabilities. To this end, this study uses patent data, which represents the firm's technological capabilities, and trademark data, which represents the firm's business capabilities. The proposed method comprises four steps: 1) Constructing firm technology and business capability matrices using patent classification codes and trademark similarity group codes; 2) Transforming the capability matrices to preference matrices using the fuzzy function; 3) Identifying a target firm's candidate technology opportunities using the collaborative filtering algorithm; 4) Recommending technology opportunities using a portfolio map constructed based on technology similarity and applicability indices. A case study is conducted on a security firm to determine the validity of the proposed method. The proposed method can assist SMEs that face resource constraints in identifying technology opportunities. Further, it can be used by firms that do not possess patents since the proposed method uncovers technology opportunities based on business capabilities.

• 지능정보연구
• /
• 제27권3호
• /
• pp.29-56
• /
• 2021

전자상거래 시장이 빠르게 성장하면서 다양한 유형의 제품이 출시되고 있으며, 이로 인해 사용자들은 구매 의사결정과정에 많은 시간이 소요되는 정보 과부하 문제에 직면하고 있다. 따라서 사용자에게 맞춤형 제품 및 서비스를 제공해줄 수 있는 개인화 추천 서비스의 중요성이 대두되고 있다. 대표적으로 Netflix, Amazon, Google 등 세계적 기업은 개인화 추천 서비스를 도입하여 사용자의 구매 의사결정을 지원하고 있다. 이에 따라 사용자의 정보탐색 비용이 감소하는 효과가 나타났고, 기업의 매출 상승에도 긍정적인 영향을 끼치고 있다. 기존 개인화 추천 서비스 관련 연구에서 주로 사용된 협업필터링(Collaborative Filtering, CF) 기법은 정량화된 정보를 활용하여 사용자의 선호도를 예측하였다. 그러나 정량화된 정보만을 활용하면 사용자의 구매 의도는 고려하지 못하므로 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 이와 같은 기존 연구의 문제점을 개선하기 위해 최근에는 사용자가 작성한 리뷰를 활용한 개인화 추천 서비스 연구가 활발히 진행되고 있다. 그러나 리뷰에는 광고성 내용, 거짓 후기, 의미를 전혀 파악할 수 없거나 제품과 관련 없는 내용 등 구매의사결정을 저해하는 요소들이 포함되어 있다. 이러한 요소들이 포함된 리뷰를 활용하여 추천 서비스를 제공하게 되면, 추천 성능이 저하되는 문제가 발생할 수 있다. 따라서 본 연구에서는 이러한 문제점을 개선하기 위해 Convolutional Neural Network(CNN) 기반 리뷰 유용성 점수 예측을 통한 새로운 추천 방법론을 제안하였다. 본 연구에서 제안하는 유용한 리뷰를 포함하는 방법론과 기존 모든 선호도 평점을 고려하는 추천 방법론을 비교한 결과, 본 연구에서 제안한 방법론이 더 우수한 예측 성능을 나타내고 있음을 확인할 수 있었다. 또한 본 연구의 결과는 리뷰 유용성에 대한 정보를 개인화 추천 서비스에 반영하면 전통적인 CF의 성능을 향상할 수 있음을 시사한다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.1-18
• /
• 2015

협업 필터링은 학계나 산업계에서 우수한 성능으로 인해 많이 사용되는 추천기법이지만, 정량적 정보인 사용자들의 평가점수에만 국한하여 추천결과를 생성하므로 간혹 정확도가 떨어지는 문제가 발생한다. 이에 새로운 정보를 추가로 고려하여, 협업 필터링의 성능을 개선하려는 연구들이 지금까지 다양하게 시도되어 왔다. 본 연구는 최근 Web 2.0 시대의 도래로 인해 사용자들이 구입한 상품에 대한 솔직한 의견을 인터넷 상에 자유롭게 표현한다는 점에 착안하여, 사용자가 직접 작성한 리뷰를 참고하여 협업 필터링의 성능을 개선하는 새로운 추천 알고리즘을 제안하고, 이를 스마트폰 앱 추천 시스템에 적용하였다. 정성 정보인 사용자 리뷰를 정량화하기 위해 본 연구에서는 텍스트 마이닝을 활용하였다. 구체적으로 본 연구의 추천시스템은 사용자간 유사도를 산출할 때, 사용자 리뷰의 유사도를 추가로 반영하여 보다 정밀하게 사용자간 유사도를 산출할 수 있도록 하였다. 이 때, 사용자 리뷰의 유사도를 산출하는 접근법으로 중복 사용된 색인어의 빈도로 산출하는 방안과 TF-IDF(Term Frequency - Inverse Document Frequency) 가중치 합으로 산출하는 2가지 방안을 제시한 뒤 그 성능을 비교해 보았다. 실험결과, 제안 알고리즘을 통한 추천, 즉 사용자 리뷰의 유사도를 추가로 반영하는 알고리즘이 평점만을 고려하는 전통적인 협업 필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인할 수 있었다. 아울러, 중복 사용 단어의 TF-IDF 가중치의 합을 고려했을 때, 단순히 중복 사용 단어의 빈도만을 고려했을 때 보다 조금 더 나은 예측정확도를 얻을 수 있음도 함께 확인할 수 있었다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.1-17
• /
• 2023

정보통신기술의 발전과 디지털 기기의 대중화로 인해, 온라인 시장의 규모가 커지고 있다. 그 결과 고객들은 상품을 선택하는데 많은 시간과 비용이 소요되는 정보 과부하(Information Overload) 문제에 직면하고 있다. 따라서 고객이 선호할만한 상품을 추천해 주는 추천 시스템은 필수적인 도구가 되었으며 협업 필터링(Collaborative Filtering) 기법은 가장 널리 쓰이는 추천 방법이다. 전통적인 추천 시스템은 평점과 같은 정량적인 데이터만을 사용하기 때문에 추천의 정확도는 높지 않다. 이와 같은 문제를 해결하기 위해 요즘에는 사용자 리뷰와 같은 정성적 데이터를 반영하는 연구가 활발히 진행되고 있다. 협업 필터링의 일반적인 절차는 사용자-상품 행렬 생성, 이웃 집단 탐색, 추천 목록 생성 3단계로 구성되며 코사인 같은 사용자 유사도를 사용하여 목표 고객의 이웃을 탐색하며, 추천 상품 목록을 생성한다. 본 연구에서는 이웃 집단 탐색 및 추천 목록 생성 단계에서 사용하는 사용자 간의 유사도를 기존의 사용자 평점을 이용한 유사도에 고객의 리뷰 데이터를 사용하는 확장된 사용자 유사도를 제시한다. 리뷰를 정량화 하기 위해 본 연구에서는 텍스트 마이닝을 활용한다. 즉, 리뷰 데이터에 TF-IDF, Word2Vec, 그리고 Doc2Vec 기법을 사용하여 두 사용자 간의 리뷰 유사도를 구한 후 사용자 평점을 사용한 유사도와 리뷰 유사도를 결합한 확장된 유사도를 생성하는 것이다. 이를 검증하기 위해 전자상거래 사이트인 Amazon의 'Health and Personal Care'의 사용자 평점과 리뷰 데이터를 사용하였다. 실험 결과, 사용자 간 유사도를 산출할 때 기존의 평점에 기반한 유사도만을 사용하는 것보다, 사용자 리뷰의 유사도를 추가로 반영한 확장된 유사도를 사용하면 추천의 정확도가 높아진다는 것을 확인했다. 또한, 여러 텍스트 마이닝 기법 중에서 TF-IDF 기법을 사용한 확장된 유사도를 이웃 집단 탐색 및 추천 목록 생성단계에서 사용할 때의 성능이 가장 좋게 나타났다.