• Journal of Information Processing Systems
• /
• 제17권4호
• /
• pp.707-720
• /
• 2021

To improve the accuracy of the recommendation system, multi-criteria recommendation systems have been widely researched. However, it is highly complicated to extract the preferred features of users and items from the data. To this end, subjective indicators, which indicate a user's priorities for personalized recommendations, should be derived. In this study, we propose a method for generating recommendation candidates by predicting multi-criteria ratings from reviews and using them to derive user priorities. Using a deep learning model based on convolutional neural network (CNN) and bidirectional long short-term memory (BiLSTM), multi-criteria prediction ratings were derived from reviews. These ratings were then aggregated to form a linear regression model to predict the overall rating. This model not only predicts the overall rating but also uses the training weights from the layers of the model as the user's priority. Based on this, a new score matrix for recommendation is derived by calculating the similarity between the user and the item according to the criteria, and an item suitable for the user is proposed. The experiment was conducted by collecting the actual "TripAdvisor" dataset. For performance evaluation, the proposed method was compared with a general recommendation system based on singular value decomposition. The results of the experiments demonstrate the high performance of the proposed method.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제14권3호
• /
• pp.306-310
• /
• 2008

정보추천 서비스를 위한 선호도는 상황에 따라 달라질 수 있으므로, 정보추천 서비스를 제공하기 위해서는 먼저 사용자의 컨덱스트 정보를 알아야 한다. 본 논문은 모바일 환경에서 다수 사용자의 선호도를 고려한 추천 시스템을 제안하며, 음식점 추천에 이를 적용하고자 한다. 모바일 환경에서 개별 사용자의 선호도를 모델링하기 위해 베이지안 네트워크를 사용하였으며, 음식점 추천은 많은 경우 개별 사용자가 아닌 다수 사용자의 선호도를 고려해야 하므로, 본 논문에서는 개별 사용자의 선호도를 바탕으로 다수의 선호도를 획득하기 위해 다기준 의사결정방법인 AHP를 이용하였다. 실험을 위해서 10가지 서로 다른 상황에서 추천을 수행하였으며, 마지막으로 SUS 사용성 평가를 통해 제안하는 시스템의 사용성이 높게 평가되었음을 확인하였다.

• 한국멀티미디어학회논문지
• /
• 제25권6호
• /
• pp.819-832
• /
• 2022

Cross-domain recommender system transfers knowledge across different domains to improve the recommendation performance in a target domain that has a relatively sparse model. However, they suffer from the "negative transfer" in which transferred knowledge operates as noise. This paper proposes a novel Multiple Fusion-based Deep Cross-Domain Recommendation named MFDCR. We exploit Doc2Vec, one of the famous word embedding techniques, to fuse data user-wise and transfer knowledge across multi-domains. It alleviates the "negative transfer" problem. Additionally, we introduce a simple multi-layer perception to learn the user-item interactions and predict the possibility of preferring items by users. Extensive experiments with three domain datasets from one of the most famous services Amazon demonstrate that MFDCR outperforms recent single and cross-domain recommendation algorithms. Furthermore, experimental results show that MFDCR can address the problem of "negative transfer" and improve recommendation performance for multiple domains simultaneously. In addition, we show that our approach is efficient in extending toward more domains.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.173-178
• /
• 2022

최근, 소셜 네트워크 서비스에서 딥러닝을 활용한 추천시스템이 활발하게 연구되고 있다. 하지만 딥러닝을 이용한 추천시스템의 경우 콜드스타트 문제와 복잡한 연산으로 인해 늘어난 학습시간이 단점으로 존재한다. 본 논문에서는 사용자의 메타데이터를 활용하여 사용자 맞춤형 운동 루틴 추천 알고리즘을 제안한다. 본 논문에서 제안하는 알고리즘은 메타데이터(사용자의 키, 몸무게, 성, 등)를 입력받아 설계된 모델에 적용한다. 본 논문에서 제안한 운동 추천시스템 모델은 matrix factorization 알고리즘과 multi-layer perceptron을 활용한 neural collaborative filtering(NCF) 알고리즘을 기반으로 설계된다. 제안된 모델은 사용자 메타데이터와 운동 정보를 입력받아 학습을 진행한다. 학습이 완료된 모델은 특정 운동이 입력되면 사용자에게 추천도를 제공한다. 실험 결과에서 제안하는 운동 추천시스템 모델이 기존 NCF 모델보다 10% 추천 성능 향상과 50% 학습 시간 단축을 보였다.

• 스마트미디어저널
• /
• 제5권2호
• /
• pp.84-89
• /
• 2016

스마트폰이나 태블릿 PC와 같이 GPS를 탑재한 모바일 기기 보급으로 위치 기반 정보는 모바일 생활의 필수 요소로 자리잡았다. 이제 사용자들은 더 나아가 개인별 성향에 따른 맞춤형 정보를 원하고 있다. 개인 맞춤형 추천을 위해서는 사용자의 행동을 이해하는 것이 필요한데 실생활에 많은 부분을 차지하고 있는 음식점 방문도 맞춤형 추천 서비스를 제공해 줄 수 있다. 본 논문에서는 음식점 방문에 대한 비슷한 태도를 보인 사용자를 추출한 후 방문했던 장소를 비교하여 추천하는 사용자 행동기반 다속성 태도 모델 기반의 장소 추천 모델을 연구한다. 다속성 태도점수를 산출하기 위해 피쉬바인(Fishbein) 방정식을 활용하고 피어슨 상관계수를 이용하여 사용자들이 방문했던 장소의 중 유사한 속성을 가진 장소를 추출했다. 그리고 그룹렌즈의 선호도 예측 알고리즘을 활용하여 추천 대상 장소를 선정하고 유클라디안 거리법으로 사용자에게 거리기반 장소를 추천하였다. 또한 실제 데이터를 이용한 실험을 통해 본 논문에서 제시한 시스템의 우수성도 입증하였다.

• 정보화연구
• /
• 제9권1호
• /
• pp.57-66
• /
• 2012

최근 모바일 콘텐츠 시장이 급속도로 성장하면서 다양한 모바일 기반의 애플리케이션들이 출시되고 있다. 하지만 모바일 기기들은 일반 컴퓨터와 비교하였을 때 화면의 크기 및 입력 방법 등과 같은 제약으로 최종 이용하고자 하는 콘텐츠까지 도달하는데 많은 노력과 시간이 소요된다. 이러한 불편함을 해결하기 위해서는 사용자가 선호할 만한 정보를 예측하고 필터링 되어진 맞춤형 정보를 제공 하는 추천시스템이 필요하다. 본 연구에서는 스마트폰 기반의 사용자 정보추천 시스템을 제안한다. 정보의 필터링은 사용자 기반 협업 필터링을 이용하여 개인이 선호할 것이라 판단되는 정보를 예측하고 추천하였다. 이때 사용자 기반 협업필터링 과정에서 사용되는 유사도는 피어슨 상관계수를 가중치로 이용한 유클리디안 거리 기법의 유사도를 사용하였다. 성능 평가를 위해 음식점 추천 시나리오를 이용하였으며 이를 통해 제안 추천 시스템의 유용성을 보였다. 실험을 통하여 본 연구의 추천 서비스의 유용성을 검증하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권6호
• /
• pp.269-276
• /
• 2015

최근 스마트폰 발달로 인터넷 접근이 쉬워짐에 따라 소셜 네트워크 서비스(SNS)의 이용이 손쉬워졌다. 하지만 현재 SNS는 개인의 일상 또는 관심사 공유에 그치며 여러 사용자 간의 공통관심사 파악은 어렵다. 본 논문에서는 SNS를 통해 개인이 아닌 여러 사용자 간의 공통관심사를 파악하여 스마트폰을 통해 원하는 것을 추천해주는 콘텐츠 추천 시스템을 제안한다. 추천 시스템은 그룹 내 사용자들의 선호도와 편차를 고려하여 제안한 공식을 포함한다. 시뮬레이션 후 공식에 대해 나올 수 있는 경우는 4가지로 간추려졌다. 그 결과 개인의 선호도를 나타내는 '좋아요' 수가 많으면서 페이스북 사용자들 간 선호도 편차가 적은 콘텐츠를 추천한다. 제안한 방법은 공식에 대한 4가지 경우의 시뮬레이션과 실제 페이스북 사용자들의 '좋아요' 데이터로 증명한다. 제안 시스템은 그룹 내에서의 선호도와 편차를 고려하여 공통관심사를 추천해주기 때문에 양질의 맞춤형 콘텐츠를 제공한다.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.617-624
• /
• 2001

전자상거래가 활성화됨에 따라 제공되는 상품의 정보와 서비스의 내용이 점차 다양해지고 있다. 따라서 구매자들은 가격 정보뿐만 아니라 다양한 상품 정보들을 검색 추천해주는 에이전트 개발을 요구하고 있다. 본 논문에서는 전자상거래에서 도서 정보 검색과 관련하여 사용자의 선호도를 프로파일 형태로 표현하고, 도서 정보를 검색 및 추출하고 이를 추천하는 멀티 에이전트 시스템을 제안한다. 제안된 멀티 에이전트 시스템은 정보검색, 정보추천, 사용자 인터페이스, 웹 로봇과 같은 여러 개별 에이전트들의 동작들을 조정 에이전트의 설계 및 구현을 통하여 통제하고 관리한다. 본 멀티 에이전트 시스템을 윈도우즈 NT 서버에 구현하였다. 조정 에이전트의 관리 기능으로 중복된 정보 검색을 제거할 수 있었으며, 고객들에게 여러 온라인 도서 사이트의 도서 정보들을 실시간으로 제공할 수 있게 되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권6호
• /
• pp.2963-2978
• /
• 2017

The Top-K query is currently played a key role in a wide range of road network, decision making and quantitative financial research. In this paper, a Top-K recommendation algorithm is proposed to solve the cold-start problem and a tag generating method is put forward to enhance the semantic understanding of the OLAP session. In addition, a recommendation system for OLAP sessions called "OLAP4R" is designed using collaborative filtering technique aiming at guiding the user to find the ultimate goals by interactive queries. OLAP4R utilizes a mixed system architecture consisting of multiple functional modules, which have a high extension capability to support additional functions. This system structure allows the user to configure multi-dimensional hierarchies and desirable measures to analyze the specific requirement and gives recommendations with forthright responses. Experimental results show that our method has raised 20% recall of the recommendations comparing the traditional collaborative filtering and a visualization tag of the recommended sessions will be provided with modified changes for the user to understand.

• 지능정보연구
• /
• 제11권1호
• /
• pp.107-121
• /
• 2005

최근, 추천시스템과 협업 필터링에 대한 연구가 학계와 업계에서 활발하게 이루어지고 있다. 하지만, 제품 아이템들은 다중 값 속성을 가질 수 있음에도 불구하고, 기존의 연구들은 이러한 다중 값 속성을 반영하지 못하고 있다. 이러한 한계를 극복하기 위하여, 본 연구에서는 추천시스템을 위한 새로운 방법론을 제시하고자 한다. 제안된 방법론은 제품 아이템에 대한 클러스터링 기법에 기반하여 다중 값 속성을 팔용하며, 정확한 추천을 위하여 협업 필터링을 적용한다. 즉, 사용자간의 상관관계만이 아니라 아이템간의 상관관계를 고려하기 위하여, 사용자 클러스터링에 기반한 사례기반추론과 아이템 속성 클러스터링에 기반한 사례기반추론 모두가 협업 필터링에 적용되는 것이다. 다중 값 속성에 기반하여 아이템을 클러스터링 함으로써, 아이템의 특징이 명확하게 식별될 수 있다. MovieLens 데이터를 이용하여 실험을 하였으며, 제안된 방법론이 기존 방법론의 성능을 능가한다는 결과를 얻을 수 있었다.