• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권7호
• /
• pp.2399-2413
• /
• 2021

A recommendation system is an information filter tool, which uses the ratings and reviews of users to generate a personalized recommendation service for users. However, the cold-start problem of users and items is still a major research hotspot on service recommendations. To address this challenge, this paper proposes a high-efficient hybrid recommendation system based on Fuzzy C-Means (FCM) clustering and supervised learning models. The proposed recommendation method includes two aspects: on the one hand, FCM clustering technique has been applied to the item-based collaborative filtering framework to solve the cold start problem; on the other hand, the content information is integrated into the collaborative filtering. The algorithm constructs the user and item membership degree feature vector, and adopts the data representation form of the scoring matrix to the supervised learning algorithm, as well as by combining the subjective membership degree feature vector and the objective membership degree feature vector in a linear combination, the prediction accuracy is significantly improved on the public datasets with different sparsity. The efficiency of the proposed system is illustrated by conducting several experiments on MovieLens dataset.

• 한국IT서비스학회지
• /
• 제22권1호
• /
• pp.43-56
• /
• 2023

With the development of the e-commerce market, various types of products continue to be released. However, customers face an information overload problem in purchasing decision-making. Therefore, personalized recommendations have become an essential service in providing personalized products to customers. Recently, many studies on GCN-based recommender systems have been actively conducted. Such a methodology can address the limitation in disabling to effectively reflect the interaction between customer and product in the embedding process. However, previous studies mainly use implicit feedback data to conduct experiments. Although implicit feedback data improves the data scarcity problem, it cannot represent customers' preferences for specific products. Therefore, this study proposed a novel model combining explicit and implicit feedback to address such a limitation. This study treats the average ratings of customers and products as the features of customers and products and converts them into a high-dimensional feature vector. Then, this study combines ID embedding vectors and feature vectors in the embedding layer to learn the customer-product interaction effectively. To evaluate recommendation performance, this study used the MovieLens dataset to conduct various experiments. Experimental results showed the proposed model outperforms the state-of-the-art. Therefore, the proposed model in this study can provide an enhanced recommendation service for customers to address the information overload problem.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.714-717
• /
• 2008

협업여과 추천기법에는 사용자 기반 협업여과와 아이템 기반 협업여과가 있으며, 절차는 유사도 측정, 이웃 선정, 예측값 생성 단계로 이루어진다. 유사도 측정 단계에는 유클리드 거리(Euclidean Distance), 코사인 유사도(Cosine Similarity), 피어슨 상관계수(Pearson Correlation Coefficient) 방법 등이 있고, 이웃 선정 단계에는 상관 한계치(Correlation-Threshold), 근접 N 이웃(Best-N-Neighbors) 방법 등이 있다. 마지막으로 예측값 생성 단계에는 단순평균(Simple Average), 가중합(Weighted Sum), 조정 가중합(Adjusted Weighted Sum) 등이 있다. 이처럼 협업여과 추천기법에는 다양한 기법들이 사용되고 있다. 따라서 본 논문에서는 사용자 기반 협업여과와 아이템 기반 협업여과 추천기법에 사용되는 유사도 측정 기법과 예측값 생성 기법의 최적화된 조합을 알아보기 위해 성능 실험 및 비교 분석을 하였다. 실험은 GroupLens의 MovieLens 데이터 셋을 활용하였고 MAE(Mean Absolute Error)값을 이용하여 추천기법을 비교 하였다. 실험을 통해 유사도 측정 기법과 예측값 생성 기법의 최적화된 조합을 찾을 수 있었고, 사용자 기반 협업여과와 아이템 기반 협업여과의 성능비교를 통해 아이템 기반 협업여과의 성능이 보다 우수했음을 확인 하였다.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.49-56
• /
• 2024

There have been emerging many use-cases applying recommendation systems especially in online platform. Although the performance of recommendation systems is affected by a variety of factors, selecting appropriate features is difficult since most of recommendation systems have sparse data. Conventional matrix factorization (MF) method is a basic way to handle with problems in the recommendation systems. However, the MF based scheme cannot reflect non-linearity characteristics well. As deep learning technology has been attracted widely, a deep neural network (DNN) framework based collaborative filtering (CF) was introduced to complement the non-linearity issue. However, there is still a problem related to feature embedding for use as input to the DNN. In this paper, we propose an effective method using singular value decomposition (SVD) based feature embedding for improving the DNN performance of recommendation algorithms. We evaluate the performance of recommendation systems using MovieLens dataset and show the proposed scheme outperforms the existing methods. Moreover, we analyze the performance according to the number of latent features in the proposed algorithm. We expect that the proposed scheme can be applied to the generalized recommendation systems.

• 한국엔터테인먼트산업학회논문지
• /
• 제13권8호
• /
• pp.181-187
• /
• 2019

청춘 멜로영화, 장르는 한국 영화업계의 강점으로 해외 시장에서도 통했다. 곽재용, 한국의 유명한 영화감독, 시나리오작가는 화면의 아름다움, 감정의 섬세함, 상상력이 풍부한 '청춘 멜로 영화'를 잘 찍는다. 그의 영화는 독특한 매력과 특징이 있는데, 이 글은 영상 스타일, 인물 만들기, 그리고 주제 사상의 세 가지 측면에서 서술되어 있다. 우선 영상 스타일 차원에서 어떻게 다른 서사적 기법과 렌즈 언어를 구사해 영화의 분위기를 조성하고, 황홀한 동양미를 만들어냈는지 분석한다. 또 감독을 둘러싸고 영화 속 캐릭터를 다르게 그려내고 디테일을 부각시켜 스토리에 복선을 깔고 해석하는 데 주력했다. 다시 한번, 주제사상을 중심으로 곽재용의 멜로영화의 희비가 엇갈리는 깊은 의미를 분석하는 것은 오늘날 현대인의 내면적 지향과 추구를 반영하는 것이기 때문에 사람들은 깊이 생각하고 깊이 생각해야 한다. 경제 글로벌화 된 현대, 각국의 문화교류 협력 한국의 뛰어난 많은 영화들은 연구할 가치가 있으며, 곽재용 감독의 청춘 멜로 영화를 연구함으로써 그 영화가 시장에서 유행하는 원인을 발굴하고 작품에 반영된 심미를 분석한다. 성적 특징을 살려 청춘 멜로 영화를 만든 경험을 정리한다.

• 방송공학회논문지
• /
• 제7권3호
• /
• pp.211-218
• /
• 2002

본 논문에서는 미국의 ATSC방식의 HDTV 방송시스템과 호환되는 HD급 3DTV 카메라 및 3DTV 수신기의 개발에 관해 소개한다. 개발된 3DTV 카메라는 양안식 구조를 가지며 좌우 두 줌 렌즈간 연동제어 및 주시각 조절 기능을 가지고 있고, 수동 주시각 조절 및 독립된 입체영상 전송에서 발생하는 동기문제 해소를 위해 좌우 영상을 단일 채널의 영상으로 다중화하는 기능을 가지고 있다. 또한, 개발된 HD급 3DTV 수신기는 HDTV 신호의 수신, 복조, 디코딩 기능과 3DTV 역다중화 기능을 수행하며 아날로그 및 디지털의 다양한 입출력 인터페이스를 가진다. 개발된 HD급 3DTV 카메라 및 수신기는 2002 월드컵 3DTV 방송중계 시범서비스 시 경기장에서 실시간으로 촬영하고 전송된 3D 영상을 복원하는데 성공함으로써 그 기능을 검증하였다. HD급 3DTV 카메라 및 수신기는 방송 산업뿐만 아니라 컴퓨터 그래픽스 및 네트워크 기술과의 결합에 의해 3D 영화, 3D 게임, 3D 영상처리 및 원격제어 등에 활용될 수 있을 것으로 보인다.

• 한국콘텐츠학회논문지
• /
• 제10권6호
• /
• pp.236-248
• /
• 2010

이 글을 통해 코엔 형제의 범죄 영화에 속하는 <블러드 심플>, <바톤 핑크>, <파고>, <그 남자는 거기 없었다>, <노인을 위한 나라는 없다>를 중심으로 감독의 연출 스타일을 분석하다. 코엔 형제 영화 구성의 특징은 서사적 구성, 내레이션의 활용, 해피엔딩의 거부다. 주제에 있어서는 인간본성을 탐구하고, 탐욕이 가져온 허무와 비극을 주로 다룬다. 극적인 요소로는 오해, 엇갈림, 추격의 모티프를 주로 활용하고 있다. 그의 작품의 캐릭터들은 어긋난 욕망으로 파괴되는 보통사람의 단순함이 대부분이고, 전형적인 캐릭터를 거부한다. 형식을 분석해 보면, 촬영은 스테디 캠을 자주 사용하고, 고정 숏에 광각렌즈를 애용한다. 초기 범죄영화는 표현주의적인 조명을 많이 사용했으나 나중엔 사실적인 자연조명을 주로 썼다. 고전적인 편집, 사운드는 음악보다 음향효과를 주로 사용했고, 실제 현장 사운드, 사실적인 연기와 개성을 중요 시 하였다. 분명 그의 영화는 크게 범죄 영화와 코미디로 분류할 수 있지만, 범죄가 우월한 느와르 스타일의 영화야말로 코엔의 독특한 연출 스타일을 느낄 수 있다.

• 전자공학회논문지CI
• /
• 제43권4호
• /
• pp.50-57
• /
• 2006

최근 정보 기술의 발전에 따라 다양하고 폭넓은 정보들이 디지털 형태로 빠르게 생산 및 배포되고 있다. 사용자가 이러한 정보과잉 속에서 자신이 원하는 정보를 단시간 내에 검색하는 것은 그리 쉬운 일이 아니다. 따라서 유비쿼터스 상거래에서 사용자가 정보를 효율적으로 이용할 수 있도록 제어하고 필터링하는 일을 도와주는 개인화된 추천 시스템이 등장하였으며, 더 나아가 사용자가 원하는 아이템을 예측하고 추천해주고 있으며 이를 위해 협력적 필터링을 적용하고 있다. 이는 사용자의 성향에 맞는 아이템을 예측하고 추천하기 위하여 비슷한 선호도를 가지는 사용자들간의 유사도 가중치를 계산한다. 본 연구는 정보의 속성에 대한 사용자의 선호도를 고려하지 않은 문제를 개선하기 위하여 연관 이웃 마이닝을 사용하여 대표속성에 대한 연관 사용자의 선호도를 협력적 필터링에 반영하였다. 연관 이웃 마이닝은 선호도에 가장 크게 영향을 미치는 속성을 추출하여 유사한 성향을 가진 연관 사용자를 군집한다. 제안된 방법은 사용자가 아이템에 대해서 평가한 MovieLens 데이터 집합을 대상으로 평가되었으며, 기존의 nearest neighbor model과 K-means 군집보다 그 성능이 우수함을 보인다.

• Journal of Information Science Theory and Practice
• /
• 제9권2호
• /
• pp.66-82
• /
• 2021

Recommender Systems have gained immense popularity due to their capability of dealing with a massive amount of information in various domains. They are considered information filtering systems that make predictions or recommendations to users based on their interests and preferences. The more recent technology, Linked Open Data (LOD), has been introduced, and a vast amount of Resource Description Framework data have been published in freely accessible datasets. These datasets are connected to form the so-called LOD cloud. The need for semantic data representation has been identified as one of the next challenges in Recommender Systems. In a LOD-enabled recommendation framework where domain awareness plays a key role, the semantic information provided in the LOD can be exploited. However, dealing with a big chunk of the data from the LOD cloud and its integration with any domain datasets remains a challenge due to various issues, such as resource constraints and broken links. This paper presents the challenges of interconnecting and extracting the DBpedia data with the MovieLens 1 Million dataset. This study demonstrates how LOD can be a vital yet rich source of content knowledge that helps recommender systems address the issues of data sparsity and insufficient content analysis. Based on the challenges, we proposed a few alternatives and solutions to some of the challenges.

• 한국엔터테인먼트산업학회논문지
• /
• 제15권5호
• /
• pp.33-43
• /
• 2021

카카오엔터테인먼트는 영상 및 음악 콘텐츠를 맡고 있는 카카오M과 웹툰, 웹소설을 담당하고 있는 카카오페이지가 합병을 통해 탄생된 대형 콘텐츠 기업이다. 참고로, 카카오M은 15개가 넘는 콘텐츠 및 매니지먼트 기획사와 4개의 음반 레이블을 보유하고 있으며 카카오페이지 역시 8,500개가 넘는 콘텐츠 IP를 축적했다. 본 연구는 두 기업의 합병을 통해 탄생된 카카오 엔터테인먼트 사례연구를 토대로 흡수역량을 확보하기 위한 M&A 활동과 경계관리 활동의 폭을 규정할 수 있는 콘텐츠 가치사슬에 관한 관계를 세밀히 분석하였다. 카카오엔터테인먼트 사례연구를 통해 본 연구가 제안한 주요 결과는 다음과 같다. 카카오의 인수합병 활동은 엔터테인먼트 산업에서 흡수역량을 축적하는 핵심 요인이며 동시에 경쟁우위를 가질 수 있는 여러 자산과 강력한 네트워크를 형성하는 데 효과적이다. 이와 함께 콘텐츠 비즈니스의 경쟁 강도가 점점 높아짐에 따라 카카오는 지속적으로 산업 경계선을 넘나들며 경계관리 활동을 토대로 창의적인 기회를 포착할 필요가 있다. 카카오엔터테인먼트가 인수합병과 가치사슬을 통해 확보한 흡수역량과 경계관리 활동의 활성화는 엔터테인먼트 산업의 지배 전략에 가장 적합하다고 볼 수 있다.