• 디지털융복합연구
• /
• 제17권9호
• /
• pp.375-381
• /
• 2019

최근 추천 시스템은 패션, 동영상, 음악 등을 중심으로 맞춤형 추천 서비스가 제공되어 사용자들의 관심을 모으고 있다. 그러나 이러한 서비스들은 실시간으로 발생하는 상황 정보를 사용하지 않아 여러 상황에 따른 적합한 서비스를 사용자에게 제공하기가 어렵다. 또한 적용되는 상황 정보가 차원을 확장시킬 경우, 데이터 희소성(Data Sparsity)을 증가시켜 사용자들에게 적합한 음악들을 추천할 수 없는 문제가 발생한다. 본 연구에서는 이러한 문제점을 해소시키기 위해 연관규칙(Association Rules)을 적용하여 사용자의 현재 위치 정보와 시간 정보에 대한 관계성 및 규칙들을 이용하여 실시간 상황에서 적합한 음악을 추천하는 시스템을 제안하였다. 수집된 상황 정보를 바탕으로 5-fold Cross Validation을 진행하여 위치와 시간 정보에 따른 추천 시스템의 정확도를 측정하였다. 그 결과 상황 정보가 누적됨에 따라 추천 시스템의 정확도가 향상되는 것을 확인할 수 있었다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.145-165
• /
• 2023

추천 시스템은 인터넷의 발달로 급격하게 증가하는 정보의 양으로 인해 생긴 정보 선택의 어려움을 소비자에게 덜어주고 각 개인의 취향에 맞는 정보를 효율적으로 보여주는 중요한 역할을 한다. 특히, E-commerce와 OTT 기업은 상품과 콘텐츠 양이 급격하게 증가하면서 추천 시스템의 도움 없이는 인기 있는 상품만 소비되는 현상을 극복하지 못한다. 이러한 현상을 극복하고 고객 개인 취향에 맞는 정보 혹은 콘텐츠를 제공해 고객의 소비를 유도하기 위해 추천 시스템의 연구가 활발히 진행되고 있다. 일반적으로 유저(user)의 과거 행동 이력을 활용한 협업 필터링이 유저가 선호한 콘텐츠의 정보를 활용하는 콘텐츠 기반 필터링에 비해 높은 성능을 보여준다. 하지만 협업 필터링은 과거 행동 데이터가 부족한 유저에 대해서는 추천의 성능이 낮아지는 콜드 스타트(Cold Start) 문제를 겪게 된다. 본 논문에서는 카카오 아레나 경진대회에서 주어진 음악 스트리밍 서비스 멜론의 플레이리스트 데이터를 기반으로 앞에서 언급한 콜드 스타트 문제를 해결할 수 있는 하이브리드 음악 추천 시스템을 제시했다. 본 연구에서는 플레이리스트에 수록된 곡 목록과 각 음악과 플레이리스트의 메타데이터를 활용해 절반 혹은 전부 가려진 플레이리스트의 다른 수록 곡을 예측하는 것을 목표로 하였다. 이를 위해 플레이리스트 안에 곡이 있는 경우와 아예 곡이 없는 경우를 나눠서 추천을 진행하였다. 플레이리스트 안에 곡이 있는 경우에는 해당 플레이리스트의 곡 목록과 각 곡의 메타데이터를 활용하기 위해 LightFM을 활용하였다. 그 다음에 Item2Vec을 활용해 플레이리스트에 있는 수록 곡과 태그 및 제목의 임베딩 벡터를 생성하고 이를 추천에 활용하였다. 최종적으로 LightFM과 Item2Vec 모델의 앙상블을 통해 최종 추천 결과를 생성하였다. 플레이리스트 안에 곡이 없고 태그 혹은 제목만이 존재할 경우에는 플레이리스트의 메타데이터인 태그와 제목을 FastText를 활용해 사전 학습을 시켜 생성된 플레이리스트 벡터를 기반으로 플레이리스트 간의 유사도를 활용하여 추천을 진행하였다. 이렇게 추천한 결과, 기존 Matrix Factorization(MF)에서 해결하지 못한 콜드 스타트 문제를 해결할 수 있었을 뿐만 아니라 곡과 플레이리스트의 메타데이터를 활용해 기존 MF 모델인 ALS와 BPR 그리고 Word2Vec 기반으로 추천해 주는 Item2Vec 기술보다 높은 추천 성능을 낼 수 있었다. 또한, LightFM을 토대로 다양한 곡의 메타데이터를 실험한 결과, 여러 메타데이터 중에서 아티스트 정보를 단독으로 활용한 LightFM 모델이 다른 메타데이터를 활용한 LightFM 모델들과 비교해 가장 높은 성능을 보여준다는 것을 확인할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제29권5호
• /
• pp.177-187
• /
• 2024

요약 배경: 기존 음악 추천 시스템은 가사의 의도된 감정과 사용자가 실제로 느끼는 감정 사이의 불일치를 충분히 고려하지 않았다. 모델: 본 연구에서는 LDA 모델을 활용하여 가사와 사용자 댓글의 주제 벡터를 생성하고, 시간 감쇠 효과와 재생 횟수를 반영한 사용자 행동 궤적과 통계 특성을 결합하여 사용자 선호도 모델을 구축했다. 결과: 실증 분석 결과, 제안 모델이 가사만 활용한 기존 모델보다 높은 정확도로 음악을 추천했다. 시사점: 본 연구는 감정 인식과 사용자 행동 분석을 통합하여 개인화된 음악 추천 시스템을 개선하는 새로운 방법론을 제시한다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권10호
• /
• pp.479-487
• /
• 2016

음악 스트리밍 서비스의 대중화로 음악의 소유 없이 언제든 원하는 듣고 싶은 노래를 들을 수 있게 되었다. 넓어진 선택권은 역설적으로 노래를 선택하기 어렵게 만들었다. 이러한 선택의 어려움을 극복하기 위해 음악 추천에 대한 관심이 높아졌고 판도라와 Last.fm과 같은 상용 서비스뿐 아니라 음악 정보 검색 분야의 연구자들도 다양한 추천 시스템을 제안하였다. 내용 기반 필터링과 협업 필터링 방식이 주류인 기존의 추천 시스템은 음악 감상의 주요 요인인 맥락을 고려하지 않았다는 한계점을 지니고 있다. 본 논문에서는 음악을 선택하는 맥락 중 주요한 요인인 감정을 이용한 노래간 유사도 측정 방법을 제안하여 새로운 추천 시스템에 대한 가능성을 탐색한다. 노래의 감정 추출에 가사를 이용하였고 가사에서 노래의 구조도 추출해 노래의 의미적 분석을 시도하였다. 실험을 통해 제안한 모델이 기존의 추천 시스템에 비해 작은 계산 복잡성으로 기존 모델과 유사한 성능을 보일 수 있음을 보였다.

• 디지털융복합연구
• /
• 제11권3호
• /
• pp.345-352
• /
• 2013

최근 스마트 기기 사용자의 증가에 따라 모바일 음악에 대한 수요와 생산이 꾸준히 증가하고 있다. 이에 따라 대중화된 음악의 폭이 넓어지면서 사용자가 선호하는 음악에 대한 선택의 기준 또한 매우 다양해지고 복잡해지는 추세이다. 이러한 이유로 모바일 환경에서 사용자 개인이 선호하는 음악을 정교하게 추천하기 위한 지능적 음악 추천 기법에 대한 연구가 활발히 진행되고 있다. 그러나 기존의 음악 추천시스템은 청취로그를 이용한 단순 추천 방법을 사용하고 있어 사용자의 선호도를 제대로 고려하지 못하고 있다. 본 논문에서는 사용자의 선호도를 반영한 개인화된 적응형 음악 추천 시스템을 제안한다. 본 시스템에서는 계층적 의사결정 도구인 AHP를 이용하여 사용자의 개개인의 음악적 선호도를 반영한 음악 추천이 가능토록 하였으며, 베이지안 네트워크 기반의 사용자 피드백 통해 지속적인 사용자의 음악적 선호도를 반영하도록 하였다. 본 시스템의 성능을 평가하기 위해 12명의 실험자를 각각 3명씩 4그룹으로 나누어 실험하였으며 그 결과 87.5%의 추천 만족도를 얻었다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2004년도 추계학술대회
• /
• pp.323-330
• /
• 2004

As mobile market grows more and more fast, the mobile contents market, especially music contents for mobile phones have recorded remarkable growth. In spite of this rapid growth, mobile web users experience high levels of frustration to search the desired music. New musics are very profitable to the content providers, but the existing collaborative filtering (CF) system can't recommend them. To solve these problems, we propose an extended CF system to reflect the user's real preference by representing the characteristics of users and musics in the feature space. We represent the musics using the music contents based acoustic features in multi-dimensional feature space, and then select a neighborhood with the distance based function. Furthermore, this paper suggests a recommendation for procedure for new music by matching new music with other users' preference. The suggested procedure is explained step by step with an illustration example.

• 지능정보연구
• /
• 제12권2호
• /
• pp.1-15
• /
• 2006

휴대폰, PDA등 모바일 단말기의 급속한 진화와 광범위한 보급으로 인하여 모바일 웹 서비스가 빠르게 확산되고 있으며 모바일 컨텐츠 시장 또한 급성장하고 있다. 이에 따른 새로운 멀티미디어 컨텐츠의 활발한 공급은 모바일 웹 사용자들에게 많은 멀티미디어를 획득할 수 있는 기회를 제공하는 동시에 정보과부하로 인한 컨텐츠 검색의 어려움을 겪게 하고 있다. 본 연구는 신상품에 대한 니즈가 높은 모바일 멀티미디어 컨텐츠의 특성과 기존 유선 웹 환경에 비해 열악한 모바일 웹 환경의 제약 사항을 고려하여, 모바일 웹 서비스 이용 고객이 보다 적은 노력과 비용으로 원하는 멀티미디어 컨텐츠를 신속하게 찾을 수 있도록 지원하는 개인화 된 멀티미디어 컨텐츠 추천 방법론을 개발하는 것이다. 이를 위하여 기존 추천시스템에서 대표적으로 사용되는 협업필터링(Collaborative Filtering) 기법의 한계를 보완하기 위하여 내용기반 필터링 기법(Content-based Filtering)을 결합한 하이브리드 추천 기법을 개발하였다. 제안한 하이브리드 기법은 모바일 환경에서 적은 계산으로도 높은 추천 성능과 함께 신상품추천이 가능한 방법이며, 이를 구현하기 위하여 멀티미디어 컨텐츠 추천시스템, MOBICORS-music(MOBIIe Contents Recommender System for Music)을 개발하였다.

• 한국음향학회지
• /
• 제39권4호
• /
• pp.286-291
• /
• 2020

본 논문에서는 템포 기반의 음악 분류와 센서 기반의 인간 행동 인식을 통한 음악을 추천하는 시스템을 제안한다. 제안하는 방식은 템포 기반의 음악 분류를 통해 음악 파일을 색인하고, 인식된 행동에 따라 적합한 음악을 추천한다. 정확한 음악 분류를 위해 변조 스펙트럼 기반의 동적 분류기와 멜 스펙트로그램 기반의 시퀀스 분류기가 함께 사용된다. 또한, 간단한 스마트폰 가속도계, 자이로스코프 센서 데이터가 심층 스파이킹 신경망에 적용되어 행동 인식 성능을 향상시킨다. 마지막으로 인식된 행동과 색인된 음악 파일의 관계를 고려한 매핑 테이블을 통해 음악 추천이 수행된다. 실험 결과는 제안된 시스템이 음악 플레이어가 있는 실제 모바일 장치에 사용하기에 적합하다는 것을 보여준다.

• 한국항행학회논문지
• /
• 제14권1호
• /
• pp.108-118
• /
• 2010

본 논문에서는 사용자의 음악적 선호를 모델링하고, 사용자가 원하는 감정과 선호를 추론할 수 있게 도와주는 컨텍스트 기반 음악 추천 온톨로지 (COMUS)를 제안한다. COMUS는 제목, 연주자, 장르와 같은 음악의 일반적인 속성과 무드와 상황과 같이 도메인에 특화된 확장을 제공하는 확장성을 계층적인 방식으로 제공한다. COMUS는 음악 추천을 위한 도메인에 특화된 클래스들이 음악 온톨로지와 연동되도록 OWL 언어를 사용하여 개발된 음악 온톨로지이다. COMUS에 표현된 컨텍스트 정보를 사용하면, 컨텍스트 정보의 일관성을 체크할 수 있고, 규칙 기반의 추론을 통해 명시적인 정보 뿐만 아니라, 내재된 컨텍스트를 도출하는 상위 레벨의 추론이 가능하다고. 여기서 제안하는 온톨로지는 음악과 감정과 상황 사이의 복잡하고 자세한 관계를 표현할 수 있어서, 사용자가 음악 추론 어플리케이션을 위해 적절한 음악을 찾을 수 있게 해준다. 이와 관련된 음악 추천을 위한 사례 연구로써 수행한 몇 가지 실험을 보인다.

• 한국지능시스템학회논문지
• /
• 제20권3호
• /
• pp.337-342
• /
• 2010

음악의 생산과 수요 증가와 함께 사용자의 장치에 저장되어 있는 음악을 관리하기 위한 관심 또한 증가하고 있다. 일반적으로 사용자는 음악을 효과적으로 관리하기 위해 재생 목록을 작성하고 이를 선택하는 방법을 사용하고 있다. 하지만 현재 사용되는 재생 목록의 작성 방법은 음악을 사용자가 직접 선택해야 하는 한계를 안고 있다. 따라서 재생 목록을 자동으로 작성하여 사용자에게 제공해주는 방법이 필요하다. 본 논문에서는 사용자의 음악사용의 상황과 취향을 고려하여 자동으로 재생 목록을 생성해주는 시스템을 제안한다. 이 시스템은 음악적 무드 (Musical mood) 분류 시스템과 음악 추천 시스템, 두 가지 별개의 시스템으로 구성되어 있다. 사용자는 음악을 추천 받기 위해 단지 하나의 음악을 선택한다. 그러면 시스템은 자동으로 재생 목록을 생성하기 위해 선택된 음악과 유사한 무드의 음악을 재생 목록에 추가한다. 사용자는 재생 목록에 추가된 음악 중 자신의 취향에 맞지 않는 음악을 제거하여 취향에 적합한 음악을 반복적으로 추천 받을 수 있다. 본 논문에서 제안하는 시스템의 실험과 평가를 위해 실제 음악을 수집하였으며 시스템을 통해 생성된 재생 목록을 분석하여 사용자의 취향이 보다 정확히 반영된 것을 확인하였다.