• 제목/요약/키워드: Hybrid Recommendation

검색결과 106건 처리시간 0.037초

앙상블 Support Vector Machine과 하이브리드 SOM을 이용한 동적 웹 정보 추천 시스템 (Dynamic Recommendation System of Web Information Using Ensemble Support Vector Machine and Hybrid SOM)

  • 윤경배;최준혁
    • 한국지능시스템학회논문지
    • /
    • 제13권4호
    • /
    • pp.433-438
    • /
    • 2003
  • 최근, 인터넷 쇼핑몰과 같은 웹 사이트를 대상으로 각 사용자에게 가장 필요한 정보를 제공하기 위한 웹 정보 추천 시스템에 대한 연구가 활발히 진행되고 있다. 사용자 프로파일과 명시적 피드백에 의존하는 대부분의 웹 정보 추천 시스템의 경우 사용자의 다양하고 정확한 정보를 필요로 하지만 실세계의 문제에 있어 이러한 연관 정보를 얻기란 쉽지 않다. 본 논문에서는 사용자의 명시적 피드백과 프로파일에 의존하지 않는 웹 정보 서비스를 위한 정보 예측 기법을 제안한다. 이를 위해 앙상블 Support Vector Machine과 하이브리드 SOM을 설계하고 적용하여 웹 로그 데이터의 희소성 문제를 해결하면서 대용량 웹 데이터로부터 사용자에게 꼭 필요하고 유용한 정보를 추천할 수 있는 동적 웹 정보 예측 시스템을 설계하고 구현한다.

건강관리를 위한 혼합 필터링을 이용한 개인화 식이영양 콘텐츠 추천 (Personalized Dietary Nutrition Contents Recommendation using Hybrid Filtering for Managing Health)

  • 정경용;이영호
    • 한국콘텐츠학회논문지
    • /
    • 제11권11호
    • /
    • pp.1-9
    • /
    • 2011
  • 차세대 IT융합기술의 발전에 따라 개인화 건강관리 서비스를 위한 인프라스트럭처가 구축되면서, 사용자의 선호도 기반 서비스의 중요성이 부각되고 있다. 만성질환자가 증가함에 따라 건강관리 서비스는 특정 질병의 치료 및 관리에서 서비스 대상자에 대한 식이영양 관리로 진화하고 있다. 본 논문에서는 건강관리를 위한 혼합 필터링을 이용한 개인화 식이영양 콘텐츠 추천을 제안하였다. 제안한 방법에서는 유사한 콘텐츠만을 제공하는 추천 특수화 경향을 개선하기 위해 협력적 필터링과 이미지 기반 필터링을 결합한 혼합 필터링을 사용한다. 이를 웹 어플리케이션으로 구축하여 논리적 타당성과 유효성을 검증하기 위해 실험적인 적용을 시도한다. 따라서 식이영양 콘텐츠를 추천하여 건강관리에 대한 만족도와 서비스의 질을 향상시켰다. 연구결과를 활용하면 시장성 증대와 고부가 가치를 창출할 수 있을 것으로 기대하며 다양한 응용분야에 활용이 가능하다.

지능형 헤드헌팅 서비스를 위한 협업 딥 러닝 기반의 중개 채용 서비스 시스템 설계 및 구현 (Design and Implementation of Agent-Recruitment Service System based on Collaborative Deep Learning for the Intelligent Head Hunting Service)

  • 이현호;이원진
    • 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.

교통약자를 위한 맞춤형 식당 추천시스템 구현 (Implementation of a Personalized Restaurant Recommendation System for The Mobility Handicapped)

  • 이진주;박소연;김서윤;이정은;김건욱
    • 디지털융복합연구
    • /
    • 제19권5호
    • /
    • pp.187-196
    • /
    • 2021
  • 교통약자는 우리 사회의 높은 비율을 차지하고 있는 대표적인 사회 취약계층이다. 최근 기술의 발달로 사회취약 계층을 위한 맞춤형 복지 기술이 연구되고 있으나, 일반인들과 비교하면 상대적으로 부족한 실정이다. 이에 본 연구에서는 교통약자를 위한 맞춤형 식당 추천시스템을 구현하고자 한다. 이를 위해 특별교통수단 승하차 이력(7,153건), 대구 푸드 식당 상세정보(955건)의 자료를 결합하여 하이브리드 추천시스템을 구현하였다. 구현된 추천시스템의 유효성 평가를 위해 예측 오차율, 추천 커버리지로 기존 추천시스템들과 성능 비교를 수행하여 유효성을 검증하였다. 분석 결과 기존 추천시스템보다 높은 성능으로 나타났으며, 교통약자를 위한 맞춤형 식당 추천시스템의 가능성을 확인하였다. 또한 일부 교통약자 유형에서 유사한 식당이 추천되는 상관성을 확인하였다. 본 연구결과는 교통약자들의 만족도 높은 식당 이용에 기여할 것으로 판단되며, 연구의 한계점 또한 제시하였다.

지능형 스마트 서비스를 위한 하이브리드 센싱 기반의 퓨전 상황인지 모델 (A Fusion Context-Aware Model based on Hybrid Sensing for Recommendation Smart Service)

  • 김 스베틀라나;윤용익
    • 정보처리학회논문지:컴퓨터 및 통신 시스템
    • /
    • 제2권1호
    • /
    • pp.1-6
    • /
    • 2013
  • 스마트폰을 비롯한 다양한 스마트 디바이스들은 이제 사용자의 일상에서 필수적인 아이템으로 자리 잡았다. 스마트 디바이스 내에 센서정보를 이용하여 사용자의 선호도 및 필요정보를 파악할 수 있으며, 이를 통해 지능적인 서비스 추천이 가능해진다는 의미이다. 본 논문에서 사용자의 상황정보를 토대로 지능적인 서비스 추천을 위한 퓨전(Fusion) 상황인지 모델을 제안하고자 하다. 서비스 추천 모델은 스마트 디바이스로부터 획득한 시간, 장소, 행동 및 디바이스 정보를 중심으로 퓨전 처리과정을 거쳐 사용자 시나리오를 생성된다. 시나리오란 사용자의 상황을 예측하는데 가장 핵심이 되는 단서이며, 본 시나리오에 맞춰 서비스를 제공 및 추천할 수 있다. 이 뿐만 아니라, 콘텐츠의 카테고리와 더불어 콘텐츠 미디어 형식까지도 사용자 맞춤형을 지향한다. 그러므로 본 논문에서 제안하는 퓨전 상황인지 모델은 하이브리드 센싱(Hybrid Sensing)을 이용하였다.

강화 학습 알고리즘을 통한 하이브리드 필터링 이미지 추천 시스템 (Reinforcement Learning Algorithm Based Hybrid Filtering Image Recommender System)

  • 심연;신학철;김대기;홍요훈;이필규
    • 한국인터넷방송통신학회논문지
    • /
    • 제12권3호
    • /
    • pp.75-81
    • /
    • 2012
  • 인터넷이 발달하고 접할 수 있는 데이터가 폭증하면서 데이터들에서 사용자는 자신의 기호에 맞는 정보를 찾기가 점점 힘들어 진다. 추천 시스템은 사용자의 기호에 맞는 정보들을 추출하는데 큰 도움을 줄 수 있다. 본 연구는 강화 학습 알고리즘을 기반으로 한 하이브리드 추천 시스템을 사용하여 사용자의 선호도 예측에 대한 정확도를 향상 시켰다. 본 연구는 2000장의 이미지로 테스트를 진행하였다. 테스트 할 때 평균 절대 오차를 구하여 분석한 결과 제안하는 시스템이 협업적 필터링, 내용 기반 필터링, 단순 하이브리드 필터링의 성능보다 더 우수한 것으로 나타났다.

자동 생성된 사용자 프로파일을 이용한 하이브리드 음식 추천 시스템 (Hybrid Food Recommendation System Using Auto-generated User Profiles)

  • 정주석;강신재
    • 한국지능시스템학회논문지
    • /
    • 제21권5호
    • /
    • pp.609-617
    • /
    • 2011
  • 본 논문에서는 트위터로부터 자동 생성한 사용자 프로파일을 이용하는 개인 맞춤형 음식 추천 시스템을 제안한다. 사용자 개인의 트위터 문장에서 명사를 추출하고, 감정단어와의 공기 여부에 따라 감정점수를 계산한 후. 사용자 프로파일을 생성한다. 각 음식에 관한 정보는 웹에서 검색한 웹 페이지를 분석, 가공하여 음식별 대표 명사 목록을 만들어 사용한다. 이렇게 구축된 사용자 프로파일과 각 음식별 특징 정보 간 유사도를 계산하여 사용자에 맞는 음식을 추천 해준다. 제안하는 방법은 추천 시스템을 처음 사용하는 사용자라 할지라도 사용자 프로파일이 자동으로 구축되어 추천에 사용되기 때문에 항상 추천 결과를 얻을 수 있는 장점이 있다.

러시아-우크라이나 전쟁에서 파악된 SNS 추천알고리즘의 필터버블 강화현상 분석 (Analysis on Filter Bubble reinforcement of SNS recommendation algorithm identified in the Russia-Ukraine war)

  • 전상훈;최서연;신승중
    • 한국인터넷방송통신학회논문지
    • /
    • 제22권3호
    • /
    • pp.25-30
    • /
    • 2022
  • 본 연구는 러시아-우크라이나 전쟁(2022)의 특징인 유튜브 등 SNS 추천알고리즘 필터버블 강화현상과 하이브리드 전쟁의 승패 요인에 관한 연구이다. 이 전쟁은 하이브리드전으로 규명되며, SNS 추천알고리즘 기반 뉴미디어의 활용은 정치적 레버리지를 넘어서 전쟁의 승부를 결정짓는 요소로 부상하고 있다. 이로 인해, 필터버블 현상이 시청자들에게 노출되는 정보의 제한을 가져온다는 확증편향의 사전적 의미를 넘어서고 있다. 우크라이나 젤렌스키 대통령이 키예프에서 항전을 독려한 유튜브 동영상의 경우 702만의 조회 수를 기록했지만, 푸틴의 연설은 80만에 그친 것은 추천알고리즘이 푸틴의 연설을 노출하지 않았다는 방증이다. 이러한 SNS 추천알고리즘의 노출 전쟁은 미국(유튜브, 트위터, 페이스북)과 중국(틱톡) 빅테크 기업의 알고리즘 전쟁으로 발전되는 경향을 보인다. 미국기업의 영향으로 우크라이나는 국제적인 지원을 받을 수 있게 되었고, 러시아는 중국기업의 영향으로 푸틴의 지지율이 80 프로가 넘는 상반된 결과가 도출되고 있다. 이러한 알고리즘 권력화는 '필터버블'에 의해 여론의 확증편향에 기반을 두고 있기에 이 왜곡 현상에 대한 새로운 가이드라인 설정을 이른 시일 안에 제시해야 한다는 정당성이 이번 러시아-우크라이나 전쟁을 통해서 주목받고 있다.

리뷰 데이터 마이닝을 이용한 하이브리드 추천시스템 개발: Amazon Kindle Store 데이터 분석사례 (Development of Hybrid Recommender System Using Review Data Mining: Kindle Store Data Analysis Case)

  • 장예화;이청용;최일영;김재경
    • 경영정보학연구
    • /
    • 제23권1호
    • /
    • pp.155-172
    • /
    • 2021
  • 최근 온라인 상품 구매의 증가로 인해 사용자의 선호에 맞는 상품을 추천해주는 시스템이 지속적으로 연구되고 있다. 추천 시스템은 사용자들에게 개인화된 상품 추천 서비스를 제공하는 시스템으로 사용자가 상품에 남긴 평점을 이용한 협업 필터링(Collaborative Filtering)이 가장 널리 쓰이는 추천 방법이다. 협업 필터링에서 상품 간의 유사도 계산은 시간이 많이 소요되는데, 특히 리뷰 데이터와 같은 빅데이터를 사용할 경우 더욱 많은 시간을 소요한다. 그래서 본 연구에서는 리뷰 데이터 마이닝을 이용하여 상품 간의 유사도 계산을 빠르게 수행할 수 있으면서 정확도를 높일 있도록 2단계(2-Phase) 방법을 이용한 하이브리드 추천시스템 방식을 제안한다. 이를 위해 온라인 전자책 상거래 상점인 아마존 킨들 스토어(Amazon Kindle Store)의 약 98만 개의 온라인 소비자 평점과 리뷰 데이터를 수집하였다. 실험 결과 본 연구에서 제안한 사용자의 평점과 리뷰를 단계적으로 반영한 하이브리드 추천 방식이 전통적인 추천 방식과 비교하여 추천 시간은 비슷하였으나 높은 정확도를 나타내는 것을 확인하였다. 따라서 제안한 방법을 사용하면 사용자가 선호하는 상품을 빠르고 정확하게 추천함으로써 고객의 만족을 높여서 기업의 매출 증대에 기여할수 있을 것으로 기대된다.

필터링 기법을 이용한 도서 추천 시스템 구축 (Developing a Book Recommendation System Using Filtering Techniques)

  • 정영미;이용구
    • 정보관리연구
    • /
    • 제33권1호
    • /
    • pp.1-17
    • /
    • 2002
  • 이 연구에서는 최근에 주목받고 있는 협업 필터링 기법을 중심으로 여러 가지 추천 기법을 살펴본 후 대출대상 도서의 추천 시스템을 구축하였다. 연관성 규칙 기반 기법, 협업 필터링 기법, 내용기반 필터링 기법을 응용하여 실제 대학도서관에서 특정 이용자가 대출할 만한 도서를 추천하는 시스템을 구현하고 각 기법의 추천 성능을 평가하였다. 실험 결과 대출대상 도서를 추천하는 데 있어 협업 필터링 기법과 내용기반 필터링 기법을 각각 따로 적용하는 것보다 두 기법을 함께 이용한 혼합형 필터링 추천 기법이 더욱 효과적인 것으로 나타났다.