• 지능정보연구
• /
• 제22권3호
• /
• pp.113-127
• /
• 2016

협업 필터링(Collaborative Filtering)은 유용성과 정교성 면에서 가장 성공적인 추천 알고리즘으로 평가받으며 산업계나 학계에서 많이 활용 및 연구되고 있지만, 기본적으로 사용자들이 평가한 점수에만 기반하여 추천결과를 생성하는 한계점이 있다. 이에 본 연구는 사용자가 상품을 구매할 때 자신이 신뢰하는 타인의 추천을 더 적극적으로 수용할 것이라는 점에 착안하여, 사용자의 평점 외에 사용자 간 신뢰관계를 소셜네트워크분석으로 분석한 결과를 추가로 반영하는 추천 알고리즘들을 제안하였다. 구체적으로 본 연구에서는 소셜네트워크분석에서 네트워크 내의 중심적 위치를 나타내는 척도인 내향 및 외향 중심성을 활용하여 사용자 간 유사도를 산출하는 알고리즘들과 사용자 신뢰 네트워크를 탐색하여 추천 대상이 되는 사용자가 직접 간접적으로 신뢰하는 사용자의 평가점수를 보다 높게 반영하는 알고리즘을 제안한 뒤 그 성능을 비교해 보았다. 실제 데이터에 적용하여 분석한 결과, 사용자 신뢰 네트워크의 내향 중심성 지수를 조건 없이 적용한 경우에는 오히려 정확도의 감소만을 야기하는 것으로 나타났고, 일정 임계치 이상의 외향 중심성을 갖는 사용자에 한해 내향 중심성 지수를 고려한 추천 알고리즘은 전통적인 협업 필터링에 비해 약간의 정확도 개선이 이루어짐을 확인할 수 있었다. 아울러, 사용자 신뢰 네트워크를 기반으로 탐색하는 알고리즘이 가장 우수한 성능을 보이는 것을 알 수 있었으며, 전통적인 협업 필터링과 비교해서도 통계적으로 유의한 수준의 정확도의 개선이 이루어짐을 확인할 수 있었다.

• 한국식품과학회지
• /
• 제49권6호
• /
• pp.649-658
• /
• 2017

본 연구는 고지방 식이를 통해 유도되는 혈당 상승과 이로 인한 인지기능 장애에 대한 고사리(Pteridium aquilinum) 아세트산에틸 분획물(EFPA)의 개선 효과를 확인하기 위해서 수행되었다. 고지방 식이를 섭취시킨 실험동물에 고사리 아세트산에틸 분획물을 식이를 하였을 때, 공복혈당을 낮추었고 인슐린 저항성을 확인하기 위한 내당능 시험에서 개선효과를 나타내었다. 또한 실험동물의 혈액을 이용한 혈청분석 결과 혈청 내 총 콜레스테롤(TCHO)과 저밀도지단백질 콜레스테롤(LDLC)과 같은 지방질 대사 수준이 유의적으로 개선되었다. 실험동물을 이용한 행동학적 시험(Y-maze, passive avoidance, Morris water maze tests)을 통해 인지기능 개선효과를 확인해본 결과, 공간인지 능력, 단기 학습 능력, 장기 기억 능력이 고지방 식이군(HFD)에 비해 유의적으로 개선되었다. 또한 동물 행동 실험 후 적출된 뇌 조직에서 산화방지 효소인 초과산화물제거효소(SOD)의 함량과 지방질과산화 정도(MDA level)를 측정해본 결과 고사리 아세트산에틸 분획물이 조직에서의 산화방지 능력을 증가시켜 주는 것을 확인 할 수 있었다. 그리고 인지능력에 영향을 주는 아세틸콜린(ACh)과 아세틸콜린 가수분해효소(AChE)에 미치는 영향을 확인해 본 결과, 아세틸콜린 가수분해효소의 활성이 억제되었고 그 결과 아세틸콜린의 함량이 증가하였다. 고지방 식이로 유도되는 혈당 상승 및 인지기능 장애의 개선에 도움이 되는 고사리 아세트산에틸 분획물의 주요 생리활성 물질이 무엇인지 확인하기 위하여 QTRAP LC-MS/MS를 시행한 결과, 주요 물질은 kaempferol-3-O-glucoside로 동정되었고 이 이외에 caffeolyshikimic acid, quercetin-3-O-glucoside, kaempferol-3-O-rutinoside 등이 확인 되었다. 이러한 연구결과를 고려할 때, 캠페롤(kaempferol) 등과 같은 플라보노이드류와 폴리페놀 화합물을 함유한 고사리 아세트산에틸 분획물(EFPA)은 고지방 식이로 인한 혈당 상승과 이로 인한 인지기능 장애의 개선에 도움을 줄 수 있는 건강 기능성 식품 소재로 이용될 수 있을 것으로 판단된다.

• 지능정보연구
• /
• 제21권2호
• /
• pp.1-18
• /
• 2015

협업 필터링은 학계나 산업계에서 우수한 성능으로 인해 많이 사용되는 추천기법이지만, 정량적 정보인 사용자들의 평가점수에만 국한하여 추천결과를 생성하므로 간혹 정확도가 떨어지는 문제가 발생한다. 이에 새로운 정보를 추가로 고려하여, 협업 필터링의 성능을 개선하려는 연구들이 지금까지 다양하게 시도되어 왔다. 본 연구는 최근 Web 2.0 시대의 도래로 인해 사용자들이 구입한 상품에 대한 솔직한 의견을 인터넷 상에 자유롭게 표현한다는 점에 착안하여, 사용자가 직접 작성한 리뷰를 참고하여 협업 필터링의 성능을 개선하는 새로운 추천 알고리즘을 제안하고, 이를 스마트폰 앱 추천 시스템에 적용하였다. 정성 정보인 사용자 리뷰를 정량화하기 위해 본 연구에서는 텍스트 마이닝을 활용하였다. 구체적으로 본 연구의 추천시스템은 사용자간 유사도를 산출할 때, 사용자 리뷰의 유사도를 추가로 반영하여 보다 정밀하게 사용자간 유사도를 산출할 수 있도록 하였다. 이 때, 사용자 리뷰의 유사도를 산출하는 접근법으로 중복 사용된 색인어의 빈도로 산출하는 방안과 TF-IDF(Term Frequency - Inverse Document Frequency) 가중치 합으로 산출하는 2가지 방안을 제시한 뒤 그 성능을 비교해 보았다. 실험결과, 제안 알고리즘을 통한 추천, 즉 사용자 리뷰의 유사도를 추가로 반영하는 알고리즘이 평점만을 고려하는 전통적인 협업 필터링과 비교해 더 우수한 예측정확도를 나타냄을 확인할 수 있었다. 아울러, 중복 사용 단어의 TF-IDF 가중치의 합을 고려했을 때, 단순히 중복 사용 단어의 빈도만을 고려했을 때 보다 조금 더 나은 예측정확도를 얻을 수 있음도 함께 확인할 수 있었다.

• 지능정보연구
• /
• 제16권4호
• /
• pp.159-172
• /
• 2010

협업필터링 추천은 다양한 분야에서 활용되고 있지만 트랜잭션 데이터의 성격에 따라 추천 성능에 현저한 차이를 보이고 있다. 기존 연구에서는 이러한 추천 성능의 차이가 나타나는 이유에 대한 설명을 구체적으로 제시하지 못하고 있고 이에 따라 추천 성능의 예측 또한 연구된 바가 없다. 본 연구는 사회네트워크분석과 인공신경망 모형을 이용하여 협업필터링 추천시스템의 성능을 예측하고자 한다. 본 연구의 목적을 달성하기 위해 국내 백화점의 트랜잭션 데이터를 기반으로 형성되는 고객간 사회 네트워크의 구조적 지표를 측정한 후 이를 기반으로 인공신경망 모형을 구축하고 검증한다. 본 연구는 협업필터링 추천 성능을 예측할 수 있는 새로운 모형을 제시하였다는 점에서 그 의의가 있으며 이를 통해 기업들의 협업필터링 추천시스템 도입에 대한 의사결정에 도움을 줄 수 있을 것으로 기대된다.