• 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.

• 한국정보처리학회논문지
• /
• 제7권5S호
• /
• pp.1599-1608
• /
• 2000

Automated collaborative filtering is on the verge of becoming a popular technique to reduce overloaded information as well as to solve the problems that content-based information filtering systems cannot handle. In this paper, we describe three different algorithms that perform collaborative filtering: GroupLens that is th traditional technique; Best N, the modified one; and an algorithm that uses clustering. Based on the exeprimental results using real data, the algorithm using clustering is compared with the existing representative collaborative filtering agent algorithms such as GroupLens and Best N. The experimental results indicate that the algorithms using clustering is similar to Best N and better than GroupLens for prediction accuracy. The results also demonstrate that the algorithm using clustering produces the best performance according to the standard deviation of error rate. This means that the algorithm using clustering gives the most stable and the best uniform recommendation. In addition, the algorithm using clustering reduces the time of recommendation.

• International Journal of Internet, Broadcasting and Communication
• /
• 제13권2호
• /
• pp.224-230
• /
• 2021

YouTube is an OTT service that leads the home economy, which has emerged from the 2020 Corona Pandemic. With the growth of OTT-based individual media, creators are required to establish attractive storytelling strategies that can be preferred by viewers and elected for YouTube recommendation algorithms. In this study, we conducted a study on modeling that proposes a content storyline for creators. As the ability for Creators to create content that viewers prefer, we have presented the data literacy ability to find patterns in complex and massive data. We also studied the importance of compelling storytelling configurations that viewers prefer and can be selected for YouTube recommendation algorithms. This study is of great significance in that it deviated from the viewer-oriented recommendation system method and proposed a story suggestion model for individual creaters. As a result of incorporating this story proposal model into the production of the YouTube channel Tiger Love video, it showed a certain effectiveness. This story suggestion model is a machine learning text-based story suggestion system, excluding the application of photography or video.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 추계학술대회
• /
• pp.300-301
• /
• 2016

본 논문에서는 사용자의 프로파일과 팀의 평점을 활용하여 생활 스포츠 콘텐츠의 서비스 품질을 개선하기 위한 맞춤형 추천 알고리즘을 제안한다. 제안한 추천 모듈은 프로파일의 정보를 기반하며, 유클리디안 거리 계산과 팀 간 선호도 가중치를 활용하여 사용자에게 적합한 팀 콘텐츠를 추천한다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.197-217
• /
• 2018

음악은 인간의 감성을 소리로 표현하는 창조적 예술 행위이다. 음악은 사람들의 기분을 우울하게 혹은 기쁘게 변화시킬 수 있다. 따라서 음악을 감상하는 데 있어 감성은 소비자에게 적합한 음악을 찾고 들려주는 데 매우 중요한 요소인데, 다양한 음원 서비스에서 제공하는 추천 알고리즘은 사용자의 기본적인 정보(성별, 나이, 감상 횟수 등)와 사용자의 플레이 기록에 기반한 음악 추천 방식을 주로 사용하고 있다. 본 연구에서는 음악을 감상하는 개인의 감성을 고려하여 각 음원이 가지는 고유의 감성을 기본으로 한 음악 추천 알고리즘을 제안해 보고자 한다. 구체적으로, 사용자들이 자주 듣는 음악과 그렇지 않은 음악을 기준으로 '감정 패턴'을 추출 후 상관관계를 확인하고자 하며, 앞선 결과를 기반으로 사용자들이 원하는 노래에 대한 검색과 사용자 감성 기반 추천 방법을 도출해내보고자 한다. 이를 위해 본 연구에서는 사례기반추론 기법을 이용하여 사람들이 주로 듣는 음악과 비슷한 '감성 패턴'을 갖는 특정한 곡을 추천해주는 알고리즘을 개발하였다. 먼저, 분석에 필요한 감정 형용사를 정리하여 변수화 시키고, 의미 있는 것끼리 묶어 음악 감성지수를 개발하였고, 분석의 대상이 될 음원에 대해 고유의 감성지수 점수를 측정하였다. 마지막으로 도출된 점수의 결과를 통해 유사한 감정 패턴이 나오는 곡들을 유사 곡 리스트로 분류하고 사용자들에게 추천하는 과정을 거친다. 앞선 일련의 과정을 거처 도출된 결과는 음원 추천 시스템뿐만 아니라, 인기 있는 곡과 아닌 곡에 영향을 미치는 변수 도출 및 음원 출시 전, 해당 곡의 스트리밍 수 예측 모형 구축 등 다양한 용도로 사용될 수 있을 것으로 기대한다.

• 한국융합학회논문지
• /
• 제13권3호
• /
• pp.133-146
• /
• 2022

전 세계의 인터넷 사용자들이 매일 유튜브를 시청하지만, 검색결과에 대한 추천 알고리즘을 정확히 인지하는 이용자는 극히 드물며, 구글과 유튜브는 이를 공개하지 않고 있다. 연구자들은 공개되어 있지 않은 유튜브의 알고리즘을 역공학설계 방식으로 탐색하고, 핵심적 요인을 찾아 미디어 플랫폼 사업자들이 어떤 논리적 구조로 키워드 검색결과를 추천하고, 화면에 배열하는지 확인하고자 하였다. 따라서 연구자들은 수개월에 걸친 논의와 데이터의 수집을 통해 기초적인 콘텐츠 우선순위 요인을 연구하였으며 수집된 키워드 검색 결과 중에 남, 여 성별에 따른 추천결과를 토대로 영향 요인을 역설계하고자 하였다. 비록 연구자들의 설계는 매시간 수백시간 이상 업로드되고 시청되는 거의 무한한 수준의 데이터 중에서 일부를 분석한 것에 그치지 않지만, 이러한 탐색적 시도가 향후 미디어 플랫폼 알고리즘을 연구하고, 사업자들의 의도를 파악하며, 사용자를 보호할 수 있을 것으로 보았다.

• 산업경영시스템학회지
• /
• 제46권3호
• /
• pp.78-88
• /
• 2023

The increasing number of technology transfers from public research institutes in Korea has led to a growing demand for patent recommendation platforms for SMEs. This is because selecting the right technology for commercialization is a critical factor in business success. This study developed a patent recommendation system that uses technology transfer data from the past 10 years to recommend patents that are suitable for SMEs. The system was developed in three stages. First, an item-based collaborative filtering system was developed to recommend patents based on the similarities between the patents that SMEs have previously transferred. Next, a content-based recommendation system based on TF-IDF was developed to analyze patent names and recommend patents with high similarity. Finally, a hybrid system was developed that combines the strengths of both recommendation systems. The experimental results showed that the hybrid system was able to recommend patents that were both similar and relevant to the SMEs' interests. This suggests that the system can be a valuable tool for SMEs that are looking to acquire new technologies.

• 한국산업정보학회논문지
• /
• 제28권2호
• /
• pp.31-45
• /
• 2023

본 연구는 유튜브 이용자의 사용 시간이 양적으로 증대하면서 나타나는 질적 단계와 경로에 주목하였다. 그리고 심리학과 신경과학의 이론을 적용하여 추천시스템의 개인화 알고리즘과 적극이용의 구간을 세분화하였고, 이론연구와 실증연구를 병행하였다. 이론연구에서 심리학과 신경과학의 관점으로 포그의 행동모델(FBM), 가변적 보상, 도파민 중독을 적용하였다. 포그의 행동모델(FBM)은 연관 콘텐츠 제시 기능인 개인화 추천 알고리즘이 트리거(계기)로서 쉬운 클릭을 유발하고, 가변적 보상은 검색하는 콘텐츠에 대한 예측불가능성으로 동기부여의 효과성을 높이며, 도파민 중독은 도파민 신경을 자극하면 지속적 적극적으로 콘텐츠를 소비하게 하는 것으로 요약된다. 본 연구는 개인화 추천 알고리즘과 적극이용 구간에서 콘텐츠의 이용 목적을 심리적 측면에서 처음이용, 재이용, 지속이용, 적극이용의 4단계로 구분하고, 경로를 분석하였다는 점에서 학문적 실무적 기여를 할 것으로 기대한다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 추계학술대회
• /
• pp.241-243
• /
• 2014

본 연구는 학습자 및 교수자의 학습 방법 및 교수방법을 선정하는데 있어서 집단 지성 알고리즘을 적용하여 콘텐츠 추천 시스템을 개발 하여 학습자 및 교수자가 효과적인 학습을 진행하는 것을 목적으로 하고 있다. 이를 위하여 최근 쇼핑몰이나 영화등에 적용되는 추천시스템을 교육에 적용하여 교수학습 주제를 선정시 학습자 수준, 학습환경, 학습자의 상태등에 따른 적절한 학습 방법 및 교수 방법을 제공하여 학습자는 본인에게 알맞은 학습 방법을 찾는데에 더 효율적이여 교수자는 교수학습과정을 설계하는데 시간을 절약할 수 있는 시스템을 개발하였다. 최종적으로 개발된 학습 콘텐츠 추천시스템에 대한 정확성 및 효용성은 교수자 및 학습자들의 지속정인 사용으로 데이터가 쌓인 후 사용자들의 평가를 통하여 검증이 필요 할 것이다.

• 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.