• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.86-98
• /
• 2018

장소추천시스템은 시간과 장소가 주어졌을 때, 사용자에게 가장 흥미로운 장소를 추천해주는 시스템을 말한다. 스마트폰과 사물인터넷(IoT), 장소기반 소셜네트워크(LBSN)의 발달에 힘입어 사용자들의 방대한 양의 장소 방문 데이터를 축적하게 되었고, 이를 통해 특정한 시점에 사용자들이 원하는 장소를 적절히 추천해줄 수 있는 장소추천시스템의 중요성이 부각되었다. 장소추천시스템은 사용자의 방문(Check-in) 횟수라는 암시적 피드백(Implicit feedback) 데이터에서 사용자의 시퀀스 선호(Sequential preference)를 이끌어내어 높은 성능을 내기 위한 연구들이 제안되었다. 하지만 시퀀스 선호 정보를 활용하여 모델을 구성하는 경우, 데이터의 밀도가 더욱 희박해지고 이에 따라 적은 수의 데이터에 기반하여 구축되는 모델의 성능이 왜곡될 가능성이 존재한다. 본 연구에서는 신뢰도(Confidence)에 기반하여 방문 주기를 보정하는 방법론을 제안한다. 사용자의 시퀀스 선호 정보로부터 도출된 장소 간 방문 시간전이간격(temporal transition interval)을 활용하여 추천시스템을 구성할 때, 해당 방법론을 통하여 데이터의 왜곡을 보정함으로써 추천시스템의 성능을 향상하였다. 제안하는 방법의 효과를 검증하기 위하여, Foursquare와 Gowalla의 데이터셋을 이용한 비교실험을 통해 제안하는 방법론의 우수성을 보였다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2006년도 추계 종합학술대회 논문집
• /
• pp.725-728
• /
• 2006

최근 무선인터넷 단말기가 급속하게 발전함에 따라 이동 환경에서의 실시간 위치 정보를 이용한 다양한 위치기반 정보서비스의 필요가 점차 증가하고 있다. 그러나 기존의 정보서비스들은 서비스 제공방법이 정보 제공자에 의존적이어서 사용자 개개인의 서로 다른 성향에 따른 맞춤 정보제공이 많이 부족하다. 이에 이동 컴퓨팅 환경에서의 위치기반 정보서비스를 활용한사용자 선호에 의한 맞춤식 POI(Point Of Interest) 정보를 용이하게 제공할 수 있는 서비스 기술이 필요하다. 따라서 본 논문에서는 이동 컴퓨팅 환경에서 위치기반 정보서비스를 활용하여 사용자의 성향에 따라 POI 정보를 분석하고 제공할 수 있는 정보 서비스 모델을 제안한다. 제안된 모델에서는 위치기반 정보서비스와 개개인의 성향 분석에 따른 POI 정보를 제공함으로써 사용자에게 보다 가치 있는 정보를 능동적으로 제공할 수 있다.

• 디지털콘텐츠학회 논문지
• /
• 제19권5호
• /
• pp.871-880
• /
• 2018

최근 소비자관련 빅 데이터 증가와 함께 이와 관련된 기술인 POI(Point-of-Interest) 추천 기술이 주목받고 있다. POI란, 소비자가 흥미롭거나 유용하다고 여기는 특정한 장소를 의미한다. 이전에 진행되었던 POI 추천시스템 관련연구들은 특정 데이터 셋에 한정되어 과 적합 문제가 발생할 수 있다는 한계점이 있다. 따라서 본 연구에서는 서울로 및 송정로에 설치한 통합 센서로 부터 얻은 사용자 매장 방문 실 데이터를 이용하여 매장 간 유사도 및 상관관계를 분석하며, 분석 결과를 토대로 신규 사용자가 흥미 있을 만한 매장을 추천해 주는 선호도 예측 시스템 연구를 한다. 실험 결과, 다양한 유사도 및 상관관계 분석을 통하여 관련성이 높은 매장의 리스트와 관련성이 낮은 매장의 리스트를 도출해낼 수 있었다. 또한, 다양한 조건에서 선호도 예측 정확도를 비교 실험을 수행한 결과 자카드 유사도 기반 아이템 협업 필터링 기법이 타 방법에 비해 높은 정확도를 보이는 것을 확인할 수 있었다.

• Spatial Information Research
• /
• 제21권4호
• /
• pp.7-14
• /
• 2013

최근 도로 네트워크 환경에서 범위 검색에 관한 연구가 활발히 진행되고 있다. 그러나 기존의 대표적인 범위 검색 기법들은 POI(Point of Interest)의 개수가 많을수록 저장 공간이 증가하거나 비효율적인 검색 과정으로 인해 검색 시간이 오래 걸리는 단점이 있다. 따라서 본 논문에서는 이러한 기존 범위 검색 기법들의 문제점을 해결하기 위해 QRMP(QR-tree using Middle Point)를 이용하는 범위 검색 기법을 제시하였다. 그리고 QRMP의 전체 저장 공간 크기를 구하는 수식을 산출하고, 또한 실제 도로 네트워크와 POI 데이터를 이용한 실험을 통해 본 논문에서 제안하는 범위 검색 기법의 우수성을 입증하였다.

• 지적과 국토정보
• /
• 제48권2호
• /
• pp.109-119
• /
• 2018

도시의 POI는 사용자들에게 어떤 중요성을 가지고 있는 특별한 장소이다. 예를 들어 식당, 박물관, 호텔, 극장 그리고 랜드마크 등이다. 이들은 그 역할 때문에 우리의 사회 경제적 생활 속에서 온라인 지도나 소셜 네트워크 등의 위치기반 어플리케이션에서 많은 관심을 받고 있다. 하지만, 지리적 위치 등의 POI에 대한 기본 정보는 웹을 통해서 쉽게 얻을 수 있는 반면, 와이파이 가능 여부, 신용카드 가능 여부, 야외 좌석 여부, 놀이방 운영 여부, 개점 시간, 다른 사용자들의 평가 및 평점 등의 세부 정보를 얻기 위해서는 또 다른 노력이 필요하다. 이러한 문제를 해결하기 위해서는 LBSNS 데이터와 POI 위치의 동일 여부를 판단하여 연결해주는 작업이 필요하다. 이 논문은 LBSNS의 누적되어 있는 방대한 정보로부터 POI의 정보를 더욱 풍부하게 만들기 위한 방법으로 LBSNS 데이터와 POI의 위치 오차해결 방법을 제안하여 두 데이터 집합의 융합 정보를 생성하고자 한다. 본 연구의 POI와 LBSNS의 정보 융합 방법을 통하여 개별 POI 정보의 한계성을 극복하고, 사용자들이 필요로 하는 부가 정보를 제공할 수 있는 가능성을 발견하였다. 이를 통해 POI에 대한 풍부하고 빠른 정보 수집이 가능할 것으로 판단된다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2012년도 한국컴퓨터종합학술대회논문집 Vol.39 No.1(C)
• /
• pp.36-38
• /
• 2012

최근 사용자들의 궤적 분석을 통해 사용자의 성향에 적합한 정보를 추천해주는 연구들이 진행되고 있다. 이러한 연구들은 여행지 추천, 친구 추천 등과 같은 응용 서비스를 위해서 클러스터링 기법과 패턴 매칭 기법을 많이 사용하고 있다. 그러나 클러스터링 기법은 추천 받는 사용자의 선호도가 반영되지 않고, 다른 사용자들의 선호도에 따라 추천을 해주는 단점이 존재한다. 또한, 패턴 매칭 기법은 다른 사용자와의 POI(Point of Interest)의 유형과 거리를 비교하여 추천을 수행하기 때문에 사용자의 세부적인 선호도를 반영할 수 없는 단점이 존재한다. 이러한 기존 연구들을 보완하기 위해 본 논문에서는 POI의 속성 정보와 사용자의 이동 패턴을 고려한 POI을 추천 기법을 제안한다. 제안하는 기법은 크게 사용자의 속성 정보를 이용해서 선호도를 계산하고 선호도가 다른 궤적을 필터링하는 부분과 패턴 매칭 기법을 사용하여 근접한 궤적을 찾는 부분으로 구성된다. 제안하는 기법의 우수성을 입증하기 위해서 추천된 POI 궤적과 사용자 POI 궤적을 비교하여 두 궤적의 이동 패턴이 유사함을 확인하였다.

• Spatial Information Research
• /
• 제22권4호
• /
• pp.21-38
• /
• 2014

지도를 검색하는 사용자는 특정 장소에 대한 정식 명칭보다는 자신이 알고 있는 명칭이나 일반적으로 불리어지는 명칭을 이용해 검색을 수행하기 때문에 원하는 장소를 찾는데 빈번히 실패하게 된다. 또한 지도의 공간검색에 있어서 대표적인 웹 지도 서비스에서는 '근처'와 '주변'이라는 공간어휘를 가지고 공간상 인접 장소를 탐색하는데 2km 이상 떨어진 장소까지 검색되어 원하지 않는 위치의 장소 정보를 제공하기도 한다. 본 연구에서는 SNS 중 트위터를 이용하여 POI 데이터를 추출하고, 기구축되어 있는 기존POI로부터 공간관계를 구축해 사람이 인지할 수 있는 공간범위를 산정하였다. 그 결과, 다양한 장소 명칭을 획득하여 기존 POI 데이터의 다른 이름의 명칭으로 활용할 수 있었고, 기존에 없는 새로운 POI 데이터는 POI 변화가 많은 지역을 파악하는데 활용하여 POI 데이터 구축을 위한 지역선정에 도움이 될 것으로 기대된다. 또한 공간검색에 사용될 수 있는 다양한 공간어휘와 사람이 인지할 수 있는 공간범위를 이용해 보다 효율적인 공간검색을 수행할 수 있을 것으로 기대된다.

• 한국측량학회지
• /
• 제38권5호
• /
• pp.467-476
• /
• 2020

Indoor space has been one of the focal points for geospatial research as various factors such as increasing demands for application and demand for adaptive response in emergencies have arisen. IndoorGML (Indoor Geography Markup Language) has provided a standardized method of representing the topological aspect of micro-scale environments, with its extensive specifications and flexible applicability. However, as more real-world problems and needs demand attention, suggestions to improve this standard, such as representing IndoorPOI (Indoor Points of Interest), have arisen. Hence, existing algorithms and functionalities that we use on perceiving these indoor spaces must also adapt to accommodate said improvements. In this study, we explore how to define spatial neighborhoods in indoor spaces represented by an integrated IndoorGML and IndoorPOI data. We revisit existing approaches to combine the aforementioned datasets and refine previous approaches to perform neighborhood spatial queries in 3D. We implement the proposed algorithm in three use cases using sample datasets representing a real-world structure to demonstrate its effectiveness for performing indoor spatial analysis.

• Journal of Information Processing Systems
• /
• 제17권2호
• /
• pp.352-368
• /
• 2021

Sign-in point of interest (POI) are extremely sparse in location-based social networks, hindering recommendation systems from capturing users' deep-level preferences. To solve this problem, we propose a content-aware POI recommendation algorithm based on a convolutional neural network. First, using convolutional neural networks to process comment text information, we model location POI and user latent factors. Subsequently, the objective function is constructed by fusing users' geographical information and obtaining the emotional category information. In addition, the objective function comprises matrix decomposition and maximisation of the probability objective function. Finally, we solve the objective function efficiently. The prediction rate and F1 value on the Instagram-NewYork dataset are 78.32% and 76.37%, respectively, and those on the Instagram-Chicago dataset are 85.16% and 83.29%, respectively. Comparative experiments show that the proposed method can obtain a higher precision rate than several other newer recommended methods.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.399-401
• /
• 2022

POI (Point-of-Interest) 추천은 다양한 위치 기반 서비스에서 중요한 역할을 있다. 기존 연구에서는 사용자의 모바일 선호도를 모델링하기 위해 과거의 체크인의 공간-시간적 관계를 추출한다. 그러나 사용자 궤적에 숨겨진 개인 방문 경향을 반영할 수 있는 structured feature 는 잘 활용되지 않는다. 이 논문에서는 궤적 그래프를 결합한 시공간 인식 attention 네트워크를 제안한다. 개인의 선호도가 시간이 지남에 따라 변할 수 있다는 점을 고려하면 Dynamic GCN (Graph Convolution Network) 모듈은 POI 들의 공간적 상관관계를 동적으로 집계할 수 있다. LBSN (Location-Based Social Networks) 데이터 세트에서 검증된 새 모델은 기존 모델보다 약 9.0% 성능이 뛰어나다.