• 한국정보기술학회논문지
• /
• 제16권12호
• /
• pp.109-114
• /
• 2018

협업 필터링은 사회적 추천 방식으로서 뛰어난 성능을 제공하는 대표적인 추천 시스템 알고리즘으로 폭넓게 사용되어 오고 있다. 협업 필터링은 구조적으로 아이템 평가 데이터에 의존하고 있기 때문에 평가 행렬의 희박도는 추천 성능에 직접적으로 영향을 미친다. 평가 행렬의 희박성 문제 개선을 위해 협업 필터링과 내용 기반 방법을 결합하는 복합형 추천 방법에 대한 연구는 꾸준하게 이루어져 왔으며, 본 연구에서는 협업 필터링의 희소 평가 행렬(sparse rating matrix) 문제 개선 방안의 하나로 공통 평가 아이템이 누락되어 유사도 측정이 불가능한 상황에 대처하기 위한 방법을 제안한다. 이를 위하여 사용자간 이행적 관계 그래프에 기반하는 유사도 평가 모델을 설계하고 오픈 데이터셋인 Movielens에 적용하여 추천 정확도를 측정 비교하였다.

• 경영과정보연구
• /
• 제36권4호
• /
• pp.129-148
• /
• 2017

기존 전시회 정보 제공 서비스는 전시회가 열리는 장소 주변의 관광지를 추천한다. 이러한 위치기반 추천의 경우 전시회의 내용과 관련이 없는 관광지를 추천할 수 있다는 한계점이 있다. 전시회 내용과 관련된 관광지를 관람객에게 추천함으로써 전시회에서 획득한 지식을 관광지에서 경험하는 데에 도움을 줄 필요가 있다. 전시회 큐레이터들이 전시회 내용과 관련된 관광지를 일일이 찾아 추천하는 방법이 있지만, 수작업이다 보니 큐레이터가 가지고 있는 배경지식의 범위 내에서만 추천이 가능하다는 한계점이 있다. 수작업에 따른 오류가 있을 수도 있기 때문에 자동화된 방법이 필요하다. 본 연구에서는 언어자원 빅데이터를 활용하여 전시회 내용과 관련된 관광지를 자동으로 추천하는 방법을 제안한다. 언어자원으로는 한국관광공사 LOD(Linked Open Data), 위키피디아, 국립국어원 사전 등을 활용했다. 단일 컴퓨터로는 이러한 대용량 언어자원을 효율적으로 처리하기 어렵기 때문에, 클라우드 컴퓨팅 프레임워크인 아파치 스파크(Apache Spark)에 기반하여 구현했다. 사용자가 웹브라우저를 통해 전시회 정보를 열람하면 본 알고리즘에 의해 추천된 관광지들을 같이 보여주는 웹인터페이스도 구현했다(http://bike.snu.ac.kr/WARP). 주요 전시회에 대한 관광지 추천 정확도에 대해 전문가 평가를 진행했다. 기존 방법에 비해 본 논문에서 제안한 방법의 정확도가 더 높았다. 본 연구를 활용하면 전시회 큐레이터의 수작업을 줄여줄 수 있고 전시회 관람자들을 관광지로 자연스럽게 유도할 수 있기 때문에, 전시산업과 관광산업 모두에게 도움이 될 수 있다.

• 한국인터넷방송통신학회논문지
• /
• 제23권6호
• /
• pp.15-20
• /
• 2023

본 논문은 캐릭터 웹드라마에 적합한 간접광고 제품을 추천하는 인공지능(AI) 시스템 알고리즘 개발에 관한 연구이다. 본 연구는 웹드라마의 대사 작성에 있어 그에 어울리는 간접광고 제품을 추천함으로써 시청자의 콘텐츠 몰입도를 높이고, 드라마의 스토리를 보다 깊게 이해하는 데 도움을 주는 것을 목표로 한다. 본 연구에서는 자연어처리 모델 인 GPT를 활용하여 대사, 줄거리를 분석하고, 분석 결과를 바탕으로 소품형, 배경형 등 두 가지 유형의 간접광고 제품 추천 시스템을 개발한다. 이를 통해 웹드라마의 스토리에 부합하는 제품을 적절히 배치함으로써 간접광고가 자연스럽게 노출될 수 있도록 하고, 그로 인해 시청자들의 몰입도가 증가하며, 상품 홍보의 효과 또한 높인다. 숨겨진 뜻이나 문화적 뉘앙스를 완벽하게 이해하기 어려운 인공지능 모델의 한계와 학습에 필요한 충분한 데이터 확보가 어렵다는 한계가 있다. 그러나 본 연구는 AI가 창작물 제작에 어떻게 기여할 수 있는지에 대한 새로운 인사이트를 제공하고, 창의적 산업 분야에서 자연어 처리 모델의 활용 가능성을 넓히는 중요한 발판이 될 것이다.

• 방송공학회논문지
• /
• 제17권1호
• /
• pp.129-139
• /
• 2012

본 논문은 방송 콘텐츠를 소비한 사용자의 소비이력 정보를 바탕으로 추천해 주는 시스템을 소개한다. 방송 콘텐츠는 도서, 음반, 영화 등의 콘텐츠와는 다른 구조로 구성되어 있으며, 크게 시리즈물과 에피소드물로 나뉜다. 시리즈물은 여러 개의 방송 콘텐츠가 하나의 프로그램을 구성하고 하나의 주제나 스토리를 다룬다. 반면에 에피소드물은 여러 개의 방송 콘텐츠가 하나의 프로그램을 구성하지만 각각의 콘텐츠 별로 다른 주제나 스토리를 다룬다. 시리즈물인 경우에는 프로그램 단위로 추천이 가능하고, 에피소드물인 경우에는 하나의 프로그램을 구성하는 콘텐츠들이 독립된 콘텐츠로서 추천이 가능하다. 이와 같은 방송콘텐츠의 특징에 따라, 본 논문에서는 시리즈물과 에피소드물로 추천단위를 달리하여 콘텐츠를 추천한다. 콘텐츠 추천은 사용자의 방송 콘텐츠 소비이력 정보를 활용하여 방송 콘텐츠간의 유사도를 도출하고 이를 토대로 추천을 제공한다. 방송 콘텐츠간의 유사도는 협업 필터링 알고리즘을 사용하여 계산한다. 추천 시스템은 희소 배열 자료구조를 사용하며, 메모리 기반의 연산을 수행하여 추천 콘텐츠를 색인 구조로 저장한다. 저장된 색인은 추천 시스템에서 제공하는 오픈 API를 통해 서비스되며, 오픈 API는 HTTP 프로토콜을 기반으로 구현되었다. 마지막으로 추천 시스템 구현과 실험을 위한 웹 데모를 소개한다.

• 지능정보연구
• /
• 제14권4호
• /
• pp.201-216
• /
• 2008

현재 다양한 신상품의 잦은 출시로 인해 고객들은 자신이 원하는 신상품을 찾는데 어려움을 겪고 있다. 또한 기업들은 신상품을 구매할 가능성이 높은 고객을 찾는데 많은 노력을 기울이고 있는 상황에서 고객의 선호에 부합하는 신상품을 찾도록 도와주는 추천시스템에 대한 요구가 대두되고 있다. 본 연구는 신상품 추천을 위해 상품 특성을 추출하여 다차원 속성 공간에 표현하고 이를 바탕으로 선호영역(Preference Boundary)를 제시하였다. 다시 말해 고객들이 과거 구매한 상품의 속성을 바탕으로 고객의 선호 영역을 형성하고, 신상품의 속성이 선호 영역 내에 위치하면 추천이 이루어지는 방법을 제시하였다. 선호 영역을 형성하는 과정은 크게 선호영역의 중심점을 구하는 단계와 선호 영역의 범위를 구하는 단계로 구성되는데, 이 연구에서는 선호영역의 범위를 구하는 단계로 t-분포를 이용하는 방법, 중심점과 구매 상품과의 가장 먼 거리와 가까운 거리를 이용하는 방법, 그리고 중심점과 구매 상품들 간의 평균 거리를 이용하는 방법을 제시하였다. 제시된 방법들의 성능을 평가하기 위해 신상품 출시와 구매가 잦은 모바일 이미지 거래 데이터를 이용하여 실험을 진행하였다. 이 논문에서 제시한 각 방법들의 성능을 비교해본 결과 목표 고객의 중심점과 구매 상품과의 가장 먼 거리와 가까운 거리를 이용하는 방법으로 각 상품별 선호영역의 적정한 범위를 구하였을 때, 신상품 추천의 정확도가 향상되는 것으로 분석되었다.

• 정보처리학회논문지D
• /
• 제10D권2호
• /
• pp.309-316
• /
• 2003

본 논문에서는 대역확산 방식을 응용한 새로운 워터마킹 기법과 이를 이용한 semi-fingerprinting 시스템 구조를 제시하며, 특히, 저작권 보호에 주초점이 맞추어져 있는 워터마크 기술을 fingerprinting 분야에 적용함으로써 그 동안 학문연구에 그치고 있었던 워터마크 기술을 보다 현실적인 응용에까지 확대시키기 위한 방법을 제시한다. 본 논문에서 제안하는 워터마킹 기법은 대역확산 방식중 random number shift 방법을 이용하여 데이터 삽입량을 증가시키는 방법의 일종이며, 삽입되는 데이터량이 60-bits이고, 20-bits CRC코드를 이용하여 추출된 정보의 신뢰도를 높였다. 또한, semi-fingerprinting에 적용하기 위해서 cIDf(content ID forum)의 지침을 기반으로 워터마크를 구성하였다.

• 유통과학연구
• /
• 제19권1호
• /
• pp.89-103
• /
• 2021

Purpose: This study is to explore how Netflix Customers' Engagement was influenced by Instagram Content, Perceived Price, Exclusivity, and Motivation in the context of Media Streaming and the role of Willingness to Subscribe as the mediating variable. This study underlines millennial's willingness to engage and the form of engagement. Research design, data, and methodology: The data for this research were collected from 100 Netflix's Millennials subscribers who follow @netflixid Instagram. All the results were analyzed and verified using SEM-PLS. Results: Research findings indicated that Willingness to Subscribe, Exclusivity, Motivation, and Instagram Content positively influenced Customer Engagement among Netflix millennials' subscribers. In contrast, Perceived Price had a negative effect on Customer Engagement. Conclusions: As a consequence, the exclusivity that Netflix offers to its audience by a recommendation algorithm has been proven to increase the engagement. This study also disclosed that the most definite form of positive engagement shown by Netflix millennials' subscribers is a behavioral aspect, where they positively recommend Netflix (word of mouth). The study findings can be a reference for the media streaming industry in their efforts to strengthen the engagement with their customers, especially the millennials, and provide knowledge about consumer behavior in digital technology.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권11호
• /
• pp.521-528
• /
• 2021

군사 분야에서 사용 중인 기존 영상 판독 시스템은 판독관들이 직접 영상을 분석 및 식별하여 관련 내용을 보고서에 작성하고 전파하는 방식으로 진행되는데 이 과정에서 반복 작업이 빈번하여 업무 과부하가 발생한다. 본 논문에서는 이러한 문제를 해결하고자, 기존의 문장 단위로 동작하는 Seq2Seq 모델을 단어 단위로 동작할 수 있는 알고리즘을 제안하고, Attention 기법을 적용해 정확도를 향상시키고자 한다. 또한 Beam 탐색 기법을 응용하여 특정 지역의 과거 식별내용을 바탕으로 현재 식별 문장을 다양하게 추천하고자 한다. 실험을 통해 Beam 탐색 기법이 기존 Greedy 탐색 기법보다 효과적으로 문장을 추천하는 것을 확인하였고, Beam의 크기가 클 때 추천의 정확도가 높아지는 것을 확인하였다.

• 한국전자통신학회논문지
• /
• 제8권12호
• /
• pp.1911-1916
• /
• 2013

소셜 태깅 시스템이 직면한 중요한 과제 중 하나는 급격하게 증가하는 태그의 양적 증가와 다양성에 대한 대처방안이다. 구조화된 주석 시스템과는 반대로 태그는 사용자에게 웹 콘텐츠에 주석을 달고 조직화하는 비구조적, 개방적 메커니즘을 제공한다. 본 논문에서는 사용자 정의 태그, URL 키워드, 그리고 분류 폴더 이름을 주요 구성 요소로 하는 폭소노미 기반의 URL 추천 방식을 제안한다. 이 방식은 더욱 개선되어 브라우저의 확장 기능으로 구성될 경우 사용자에게 특정 URL을 분류하는 최상의 방안을 제안할 수 있다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.23-46
• /
• 2021

개인화 추천에서 많이 사용되는 협업 필터링은 고객들의 구매이력을 기반으로 유사고객을 찾아 상품을 추천할 수 있는 매우 유용한 기법으로 인식되고 있다. 그러나, 전통적인 협업 필터링 기법은 사용자 간에 직접적인 연결과 공통적인 특징을 기반으로 유사도를 계산하는 방식으로 인해 신규 고객 혹은 상품에 대해 유사도를 계산하기 힘들다는 문제가 제기되어 왔다. 이를 극복하기 위하여, 다른 기법을 함께 사용하는 하이브리드 기법이 고안되기도 하였다. 이런 노력의 하나로서, 사회연결망의 구조적 특성을 적용하여 이런 문제를 해결하려는 시도가 있었다. 이는, 직접적으로 유사성을 찾기 힘든 사용자 간에도 둘 사이에 놓인 유사한 사용자 또는 사용자들을 통해 유추해내는 방식으로 상호 간의 유사성을 계산하는 방식을 적용한 것이다. 즉, 구매 데이터를 기반으로 사용자의 네트워크를 생성하고 이 네트워크 내에서 두 사용자를 간접적으로 이어주는 네트워크의 특성을 기반으로 둘 사이의 유사도를 계산하는 것이다. 이렇게 얻은 유사도는 추천대상 고객이 상품의 추천에 대한 수락여부를 결정하는 척도로 활용될 수 있다. 서로 다른 중심성 척도는 추천성과에 미치는 영향이 서로 다를 수 있다는 점에서 중요한 의미를 갖는다 할 수 있다. 이런 유사도의 계산을 위해서 네트워크의 중심성을 활용할 수 있다. 본 연구에서는 여기서 더 나아가 이런 중심성이 추천성과에 미치는 영향이 추천 알고리즘에 따라서도 다를 수 있다는 데에서 주목하여 수행되었다. 또한, 이런 네트워크 분석을 활용한 추천기법은 신규 고객 혹은 상품뿐만 아니라 전체 고객 혹은 상품으로 그 대상을 넓히더라도 추천 성능을 높이는 데 기여할 것을 기대할 수 있을 것이다. 이런 관점에서 본 연구는 네트워크 모형에서 연결선이 생성되는 것을 이진 분류의 문제로 보고, 추천 모형에 적용할 분류 기법으로 의사결정나무, K-최근접이웃법, 로지스틱 회귀분석, 인공신경망, 서포트 벡터 머신을 선택하고, 온라인 쇼핑몰에서 4년2개월간 수집된 구매 데이터로 실험을 진행하였다. 사회연결망에서 측정된 중심성 척도를 각 분류 기법에 적용하여 생성한 모형을 비교 실험한 결과, 각 모형 별로 중심성 척도의 추천성공률이 서로 다르게 나타남을 확인할 수 있었다.