• 한국인터넷방송통신학회논문지
• /
• 제12권2호
• /
• pp.61-68
• /
• 2012

최근 디지털 컨텐츠와 컨텐츠 사용자의 기하 급수적인 증가와 함께 recommender 시스템이 주목을 받으며 많은 응용 프로그램에 적용되고 있는 가운데, recommender 시스템의 확장성과 대체적으로 이와 반비례하는 정확성이 이슈가 되고 있다. 본 논문에서는 recommender 시스템 모델 중 하이브리드 모델의 매트릭스를 제거하고 아이템의 특성을 정하기 위해 클러스터링 기술을 사용한 Scalable Hybrid Recommender System을 제안한다. 제안된 모델은 recommender 시스템의 확장성과 정확성을 향상시키기 위해서 아이템에 대한 사용자의 평가 정보, demographic 정보와 구체적인 시간 정보를 사용한다. Reduction 기술 사용을 통해 Item-feature 매트릭스의 사이즈를 축소하고, 사용자 demographic 정보를 사용하여 temporal aware hybrid user model을 만든 후, 비슷한 정보를 가진 사용자간 클러스터링을 통해, 가장 유사한 정보를 가진 사용자들을 추출하여, 사용자간 정보를 비교함으로써 사용자가 원하는 아이템의 특성을 예상하고 사용자에게 N개의 아이템을 추천함으로써, 기존의 recommender 시스템보다 더욱 향상된 결과를 도출해 낼 수 있는 알고리즘을 제시하였다.

• 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.

• 디지털산업정보학회논문지
• /
• 제6권1호
• /
• pp.143-149
• /
• 2010

In ubiquitous environment, information retrieval using collaborative filtering is a popular technique for reducing information overload. Collaborative filtering systems can produce personal recommendations by computing the similarity between your preference and the one of other people. We integrate the collaboration filtering method and context-aware information retrieval method. The proposed method enables to find some relevant information to specific user's contexts. It aims to makes more effective information retrieval to the users. The proposed method is conceptually comprised of two main tasks. The first task is to tag context tags by automatic tagging technique. The second task is to recommend items for each user's contexts integrating collaborative filtering and information retrieval. We describe a new integration method algorithm and then present a u-commerce application prototype.

• 한국ITS학회 논문지
• /
• 제10권3호
• /
• pp.95-100
• /
• 2011

정보통신 기술의 급속한 성장 및 발전에 따라 유비쿼터스 네트워크 컴퓨팅 및 이용자 맞춤 서비스에 대한 관심이 증폭되고 있다. 또한 최근 스마트폰(Smartphone)을 매개체로 모바일 관련 기술들이 급속도로 발전하며 큰 각광을 받고 있다. 이러한 환경 및 인프라의 발전에 따라 최근 모바일에서 각 종 정보 및 서비스를 제공하는 다양한 응용소프트웨어들이 출시되고 있는 추세이나 그 대부분이 공급자 위주의 정보시스템으로 단순히 다량의 정보들을 불특정 다수의 이용자들에게 제공하는데 목적을 두고 있으며 이용자 개개인에 대한 맞춤화 혹은 개인화된 정보 및 서비스의 제공은 거의 이루어지지 않고 있다. 이에 따라 본 연구에서는 모바일환경에서 개인화 및 맞춤화를 위한 추천시스템을 설계 및 구현 한다. 각 종 정보필터링 기법의 장점만을 결합한 하이브리드 필터링(Hybrid Filtering)을 이용하여 추천 시스템을 구성하며 추천의 질을 향상시키기 위해 정보 필터링 단계에 앞서 사용자의 목적행위, 위치의 상황정보(Context-information)를 이용하여 추천대상 아이템의 범위를 결정함으로써 이용자 상황에 따른 효과적인 정보의 추천을 가능하도록 한다.

• 한국컴퓨터정보학회논문지
• /
• 제17권2호
• /
• pp.187-195
• /
• 2012

스마트폰은 사용자 상황인지를 통해 개인 소비자들의 행동을 쉽게 예측할 수 있고 그들의 행동에 대한 즉각적인 피드백을 가능하게 한다. 이 같은 디지털 기기들은 소비자가 관심 있는 광고를 구매시점에 제공할 수 있다. 본 논문에서는 새로운 광고 매체로 각광받는 스마트 폰과 인터넷 기반 TV의 동향을 알아보고 스마트 공간내의 N-screen을 포함 다양한 기기를 통해 획득한 사용자 융합 상황정보로 소비자에게 관심 광고 컨텐츠를 제공하는 효과적인 광고 방법인 스마트 광고 모델을 제시해 본다. 이는 광고의 홍수 속에서 살고 있는 현대인들에게 관심 있는 광고 컨텐츠를 제공함으로써 구매유도를 촉진시킨다.

• 한국컴퓨터정보학회논문지
• /
• 제20권10호
• /
• pp.69-76
• /
• 2015

User's selection of music is largely influenced by private tastes as well as emotional states, and it is the unconsciousness projection of user's emotion. Therefore, we think user's emotional states to be music itself. In this paper, we try to grasp user's emotional states from music selected by users at a specific context, and we analyze the correlation between its context and user's emotional state. To get emotional states out of music, the proposed method extracts emotional words as the representative of music from lyrics of user-selected music through morphological analysis, and learns weights of linear classifier for each emotional features of extracted words. Regularities learned by classifier are utilized to calculate predictive weights of virtual music using weights of music chosen by other users in context similar to active user's context. Finally, we propose a method to recommend some pieces of music relative to user's contexts and emotional states. Experimental results shows that the proposed method is more accurate than the traditional collaborative filtering method.

• 한국CDE학회논문집
• /
• 제11권5호
• /
• pp.365-374
• /
• 2006

The ubiquitous environment is to support people in their everyday life in an inconspicuous and unobtrusive way. This environment requires information such as the person, his/her preferences, and habits which is available in the ubiquitous system. In this paper, we propose the context aware system that can provide the tailored information service for user in ubiquitous computing environment. Our system architecture is divided into 4 domain models such as context awareness, presentation, interface and inference domain. Each domain model can perform some predefined tasks independently. And we suggest the hybrid algorithm combined with fuzzy and Bayesian method in order to reason what is the suitable information for user. We show the possibility for the real application through applying the system to the TGA (Tour Guide Assistant) for Kyoungju historical site.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2004년도 추계학술대회 논문집
• /
• pp.1048-1052
• /
• 2004

The ubiquitous environment is to support people in their everyday life in an inconspicuous and unobtrusive way. This requires that information of the person and her preferences, liking, and habits are available in the ubiquitous system. In this paper, we propose the context aware system that can provide the tailored information service for user in ubiquitous computing environment. The system architecture is composed of 4 domain models that can perform some pre-defined tasks independently. And we suggest the hybrid algorithm combined with fuzzy and Bayesian network to reason what information is suitable for user environment. Finally, we apply to agent based RGA(Research Guide Assistant).

• International Journal of Computer Science & Network Security
• /
• 제21권8호
• /
• pp.238-246
• /
• 2021

The rapid rise of the Internet and social media has resulted in a large number of text-based reviews being placed on sites such as social media. In the age of social media, utilizing machine learning technologies to analyze the emotional context of comments aids in the understanding of QoS for any product or service. The classification and analysis of user reviews aids in the improvement of QoS. (Quality of Services). Machine Learning algorithms have evolved into a powerful tool for analyzing user sentiment. Unlike traditional categorization models, which are based on a set of rules. In sentiment categorization, Bidirectional Long Short-Term Memory (BiLSTM) has shown significant results, and Convolution Neural Network (CNN) has shown promising results. Using convolutions and pooling layers, CNN can successfully extract local information. BiLSTM uses dual LSTM orientations to increase the amount of background knowledge available to deep learning models. The suggested hybrid model combines the benefits of these two deep learning-based algorithms. The data source for analysis and classification was user reviews of Indian Railway Services on Twitter. The suggested hybrid model uses the Keras Embedding technique as an input source. The suggested model takes in data and generates lower-dimensional characteristics that result in a categorization result. The suggested hybrid model's performance was compared using Keras and Word2Vec, and the proposed model showed a significant improvement in response with an accuracy of 95.19 percent.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.357-359
• /
• 2023

This paper proposes a hybrid recommendation system (RS) model that overcomes the limitations of traditional approaches such as data sparsity, cold start, and scalability by combining collaborative filtering and context-aware techniques. The objective of this model is to enhance the accuracy of recommendations and provide personalized suggestions by leveraging the strengths of collaborative filtering and incorporating user context features to capture their preferences and behavior more effectively. The approach utilizes a novel method that combines contextual attributes with the original user-item rating matrix of CF-based algorithms. Furthermore, we integrate k-mean++ clustering to group users with similar preferences and finally recommend items that have highly rated by other users in the same cluster. The process of partitioning is the use of the rating matrix into clusters based on contextual information offers several advantages. First, it bypasses of the computations over the entire data, reducing runtime and improving scalability. Second, the partitioned clusters hold similar ratings, which can produce greater impacts on each other, leading to more accurate recommendations and providing flexibility in the clustering process. keywords: Context-aware Recommendation, Collaborative Filtering, Kmean++ Clustering.