• 한국콘텐츠학회논문지
• /
• 제11권12호
• /
• pp.40-51
• /
• 2011

인터넷을 통해 배포되는 방대한 양의 콘텐츠에서 사용자의 취향에 적합한 콘텐츠를 제공하는 것은 추천 시스템의 중요한 요소라고 할 수 있다. 이를 위한 기존의 추천 시스템은 사용자의 프로파일과 상황정보를 활용한 알고리즘에만 중점을 두고 연구가 진행되어 추천의 정확도 향상에 크게 기여하였다. 그러나 SP(Service Provider)의 BM(Business Model)에 대한 충분한 검토가 함께 이루어지지 않았기 때문에 SP가 요구하는 추천 시스템의 구축은 기존 연구를 통해 해결하기엔 한계가 존재한다. 이에 본 논문에서는 사용자의 복합 상항정보를 이용하여 CP(Contents Provider)의 콘텐츠를 검색하고, SP의 BM에 적합한 콘텐츠를 추천하기 위해 추천 가중치 기법을 적용한 모바일 추천 시스템을 제안한다. 또한, 제안된 프로토타입 시스템의 검증을 위해 사용자 프로파일과 상황정보를 결합하는 복합 상황 정보와 SP에 의한 추천 가중치를 적용한 놀이기구 추천 서비스를 구현한다.

• 서비스연구
• /
• 제8권4호
• /
• pp.31-51
• /
• 2018

본 기술의 발전과 인터넷 환경의 변화로 인터넷 기반의 동영상 제공 서비스인 OTT(Over-the-top) 서비스 시장이 빠르게 성장하고 이용자의 데이터를 바탕으로 맞춤형 정보 및 콘텐츠를 제공하는 개인화추천서비스에 대한 고객의 요가 커졌다. 본 연구는 OTT 서비스의 개인화추천서비스가 관계강화와 고객충성도에 미치는 영향을 분석하며, 나아가 콘텐츠 유형에 따라 개인화추천서비스가 가지는 의미의 차이를 확인하여 개인화추천서비스의 제공 방안을 제시하는 것을 목적으로 한다. 연구결과에 따르면 OTT 서비스의 개인화추천서비스는 관계강화를 매개로 고객충성도에 유의한 영향을 미치며, 고객이 주로 이용하는 콘텐츠의 형태 및 내용에 따라 개인화추천서비스가 관계강화와 고객충성도에 미치는 영향에 차이가 있다. 본 연구를 통해 개인화추천서비스는 고객과의 관계 형성 및 몰입을 유도하여 관계를 강화하는 도구로 활용될 수 있고 이는 고객충성도를 향상하며, 고객과의 소통이 활발한 콘텐츠일수록 개인화추천서비스의 제공이 충성도 향상에 크게 기여함을 알 수 있다.

• 한국멀티미디어학회논문지
• /
• 제20권2호
• /
• pp.322-329
• /
• 2017

Recently, the importance of personalized healthcare(wellness) services is increasing in the era of the 4th Industrial Revolution. However, the authoring of wellness contents fused with variety of contents and the study of the system which provides the customized recommendation are insufficient. In this paper, we proposes the recommendation service system for the customized convergence wellness contents. The proposed system makes to the wellness contents by the existing cultural/tourism/leisure contents and recommends the customized wellness contents based on a user's profile and the situation information such as location and weather. The proposed systems is expected to contribute to designing the innovative and new service models for the tailored wellness content.

• 한국인터넷방송통신학회논문지
• /
• 제12권2호
• /
• pp.95-101
• /
• 2012

사회 전반에 걸쳐 소셜네트워크 서비스의 영향력이 매우 커짐에 따라 국내의 많은 기관들에서도 소셜네트워크 서비스의 도입을 통해 이용자와 소통하려는 노력을 하고 있다. 본 논문에서는 기존에 제안한 맞춤형 콘텐츠 추천 서비스에 소셜네트워크 서비스 개념을 접목한 신뢰성 있는 전시물 관련 콘텐츠 추천 서비스를 제안한다. 기존의 콘텐츠추천 방법에 비해 제안하는 서비스는 그 이용자들의 소셜네트워크 상의 관계를 활용하여 전시물 관련 콘텐츠를 효과적이고 신뢰적으로 추천해줄 수 있다.

• 한국콘텐츠학회논문지
• /
• 제22권7호
• /
• pp.164-175
• /
• 2022

OTT(Over The Top) 플랫폼은 개인화된 추천 서비스가 이용자들을 플랫폼에 더 오래 머물게 하고, 더 자주 방문하게 한다는 점에서 차별적 경쟁우위 특성을 강화하기 위해 노력하고 있다. 본 연구에서는 개인화된 추천 서비스의 특성을 추천 정확성과 추천 다양성, 추천 신기성의 3가지로 구분하고, 각 특성이 이용자가 추천 서비스에 대해 인지하는 유용성에 영향을 미치고, 기대충족으로 이어지는 연구모형을 제안하였다. 넷플릭스를 정기구독 결제하는 20, 30대 300명을 대상으로 온라인 설문조사를 진행한 결과, 추천 서비스의 정확성과 다양성, 신기성이 높았을 때 지각된 유용성이 높아짐을 확인하였다. 높은 지각된 유용성은 넷플릭스 이용 전후의 기대충족으로 이어진다는 점 역시 확인하였다. 도출된 연구 결과는 개인화된 추천 서비스 평가에서 이용자 경험 측면의 중요성과 추천 서비스 품질 개선 방안에 대한 시사점을 제공할 수 있을 것이다.

• 한국멀티미디어학회논문지
• /
• 제23권1호
• /
• pp.31-42
• /
• 2020

During the 4th Industrial Revolution, service platforms utilizing diverse contents are emerging, and research on recommended systems that can be customized to users to provide quality service is being conducted. hybrid recommendation systems that provide high accuracy recommendations are being researched in various domains, and various filtering techniques, machine learning, and deep learning are being applied to recommended systems. However, in a recommended service environment where data must be analyzed and processed real time, the accuracy of the recommendation is important, but the computational speed is also very important. Due to high level of model complexity, a hybrid recommendation system or a Deep Learning-based recommendation system takes a long time to calculate. In this paper, a Cascade-hybrid recommended algorithm is proposed that can reduce the computational time while maintaining the accuracy of the recommendation. The proposed algorithm was designed to reduce the complexity of the model and minimize the computational speed while processing sequentially, rather than using existing weights or using a hybrid recommendation technique handled in parallel. Therefore, through the algorithms in this paper, contents can be analyzed and recommended effectively and real time through services such as SNS environments or shared economy platforms.

• 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.

• 한국멀티미디어학회논문지
• /
• 제23권2호
• /
• pp.343-350
• /
• 2020

In the era of the Fourth Industrial Revolution in the digital revolution is taking place, various attempts have been made to provide various contents in a digital environment. In this paper, agent-recruitment service system based on collaborative deep learning is proposed for the intelligent head hunting service. The service system is improved from previous research [7] using collaborative deep learning for more reliable recommendation results. The Collaborative deep learning is a hybrid recommendation algorithm using "Recurrent Neural Network(RNN)" specialized for exponential calculation, "collaborative filtering" which is traditional recommendation filtering methods, and "KNN-Clustering" for similar user analysis. The proposed service system can expect more reliable recommendation results than previous research and showed high satisfaction in user survey for verification.

• 디지털산업정보학회논문지
• /
• 제6권2호
• /
• pp.1-9
• /
• 2010

The increasing popularity of mobile devices, such as cellular phones, smart phones, and PDAs, has fostered the need to recommend more effective information in ubiquitous environments. We propose the recommendation method for mobile contents service using contexts and prefetching in ubiquitous environment. The proposed method enables to find some relevant information to specific user's contexts and computing system contexts. The prefetching has been applied to recommend to user more effectively. Our proposed method makes more effective information recommendation. The proposed method is conceptually comprised of three main tasks. The first task is to build a prefetching zone based on user's current contexts. The second task is to extract candidate information for each user's contexts. The final task is prefetch the information considering mobile device's resource. We describe a new recommendation.

• 방송공학회논문지
• /
• 제24권6호
• /
• pp.1013-1023
• /
• 2019

수많은 채널과 VoD 콘텐츠, 웹 콘텐츠들이 존재하는 콘텐츠 소비 환경에서의 추천은 이제 선택이 아닌 필수가 되었다. 현재 OTT서비스나 IPTV서비스에서도 많은 사람들이 선호하는 콘텐츠를 추천하거나 사용자가 시청한 콘텐츠와 유사한 콘텐츠들을 추천하는 등, 다양한 종류의 추천 서비스들이 제공되고 있다. 하지만 TV, IPTV와 같이 대체로 한 가구당 하나의 가입정보와 하나의 TV, 셋탑박스를 공유하는 TV를 통한 콘텐츠 시청환경의 경우, 하나의 가입정보에 1명 이상의 사용 이력이 쌓여 특정 사용자에 대한 추천을 제공하기에 어려움이 존재한다. 본 논문에서는 이러한 문제를 해결하기 위해 가족의 개념을 {사용자, 시간}으로 해석하여, 기존의 {사용자, 콘텐츠}로 정의하는 추천 관계를 {사용자, 시간, 콘텐츠}으로 확장하고 이를 딥러닝 기반으로 해결하는 방법을 제안한다. 제안한 방법을 통해 추천 성능을 정성적 정량적으로 평가하였으며, 기존의 시간대를 고려하지 않은 방법과 비교하여 추천 정확도가 향상됨을 확인할 수 있었다.