• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.11a
• /
• pp.16-18
• /
• 2023

본 연구는 궤적 데이터(trajectory data)를 대상으로 증강 그래프 기반의 그래프 뉴럴 네트워크를 활용하여 다음에 방문한 장소를 추천하는 모델을 제안한다. 제안 모델은 전체 궤적 데이터를 그래프로 표현하여 추출한 글로벌 궤적 플로우의 특성을 다음 방문할 POI 추천에 활용한다. 이때, POI 추천시 자주 발생하는 두 가지 문제를 추가로 해결함으로써 POI 추천의 정확도를 높이는 것을 목표로 한다. 첫 번째 문제는 추천 대상 궤적 데이터의 길이가 짧은 경우에 성능 저하가 발생한다는 것이다. 두 번째 문제는 콜드-스타트 문제이다. 기존 POI 추천 모델은 매우 적은 방문 기록만 가지는 사용자 또는 POI에 대해서는 매우 낮은 예측 성능을 보인다. 본 연구에서는 궤적 그래프에서 일부 엣지를 삭제하여 생성한 증강 그래프 기반의 궤적 플로우 특징 기반 모델을 제안함으로써 짧은 길이의 궤적 데이터 및 콜드-스타트 사용자/POI에 대한 추천 성능을 높인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2023.05a
• /
• pp.470-472
• /
• 2023

최근 위치 기반 장소 (POI) 추천 서비스가 많이 사용되면서, 사용자의 이전 방문지들에 대한 체크인 시퀀스를 기반으로 현재 (다음으로) 방문할 법한 POI 를 찾아 사용자에게 추천하는, next POI 추천 시스템에 관한 연구가 활발히 진행되고 있다. 하지만, 기존 연구들의 경우 next POI 추천을 위한 모델 학습 시, 사용자의 네거티브 POIs 에 관한 정교한 샘플링 없이 사용자 선호도를 추론해왔다. 본 연구에서는, 사전 학습된 별도의 사용자 선호도 추론 모델을 통해 사용자의 네거티브 POI로서 쉽게 분류되기 어려운 하드 네거티브 POIs 를 찾고, 이들을 위주로 수행되는 하드 네거티브 샘플링 방법을 새롭게 제안한다. 우리는 실 세계 데이터셋을 이용한 실험을 통해, 제안 방안이 기존 연구들에서 사용되어 온 랜덤 네거티브 샘플링 방법 대비 recall@5 기준, 최대 16.4%까지 추천 정확도를 향상시킬 수 있음을 확인하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06c
• /
• 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.

• Journal of the Korea Society of Computer and Information
• /
• v.17 no.5
• /
• pp.81-91
• /
• 2012

Recently, as location-determination of indoor users is available with the development of variety of localization techniques for indoor location-based service, diverse indoor location based services are proposed. Accordingly, it is necessary to develop individualized POI recommendation service for recommending most interested points of large-scale commercial spaces such as shopping malls and departments. For POI recommendation, it is necessary to study the method for exploring location which users are interested in location with considering user's mobility in large-scale commercial spaces. In this paper, we proposed POI recommendation system with the definition of users' as 'Stay point' in order to consider users' various interest locations. By using the proposed algorithm, we analysis users' Stay points, then mining the users' visiting pattern to finished the proposed. POI Recommendation System. The proposed system decreased data more dramatically than that of using user's entire mobility data and usage of memory.

• Database Research
• /
• v.34 no.3
• /
• pp.86-98
• /
• 2018

Point-of-Interest(POI) recommendation systems suggest the most interesting POIs to users considering the current location and time. With the rapid development of smartphones, internet-of-things, and location-based social networks, it has become feasible to accumulate huge amounts of user POI visits. Therefore, instant recommendation of interesting POIs at a given time is being widely recognized as important. To increase the performance of POI recommendation systems, several studies extracting users' POI sequential preference from POI check-in data, which is intended for implicit feedback, have been suggested. However, when constructing a model utilizing sequential preference, the model encounters possibility of data distortion because of a low number of observed check-ins which is attributed to intensified data sparsity. This paper suggests refinement of temporal intervals based on data confidence. When building a POI recommendation system using temporal intervals to model the POI sequential preference of users, our methodology reduces potential data distortion in the dataset and thus increases the performance of the recommendation system. We verify our model's effectiveness through the evaluation with the Foursquare and Gowalla dataset.

• The Journal of the Korea Contents Association
• /
• v.19 no.2
• /
• pp.284-295
• /
• 2019

In the recent times, a personalized travel path recommendation based on both travelogues and community contributed photos and the heterogeneous meta-data (tags, geographical locations, and date taken) which are associated with photos have been studied. The travellers using social media leave their location history, in the form of paths. These paths can be bridged for acquiring information, required, for future recommendation, for the future travellers, who are new to that location, providing all sort of information. In this paper, we propose a personalized travel path recommendation scheme, based on social life log. By taking advantage, of two kinds of social media, such as travelogue and community contributed photos, the proposed scheme, can not only be personalized to user's travel interest, but also be able to recommend, a travel path rather than individual Points of Interest (POIs). The proposed personalized travel route recommendation method consists of two steps, which are: pruning POI pruning step and creating travel path step. In the POI pruning step, candidate paths are created by the POI derived. In the creating travel path step, the proposed scheme creates the paths considering the user's interest, cost, time, season of the topic for more meaningful recommendation.

• Proceedings of the Korea Contents Association Conference
• /
• 2017.05a
• /
• pp.17-18
• /
• 2017

손쉽게 현 위치 정보를 공유하고 사용자 간 커뮤니케이션이 가능한 위치 기반 소셜 네트워크가 대중화되면서 장소 추천에 대한 연구가 활발히 진행되어 있다. 본 논문은 시간대별 사용자 선호도와 주요 활동 영역을 고려한 POI 추천 기법을 제안한다. 장소 카테고리별 사용자의 체크인(che-ck-in)정보를 시간대로 분할하여 시간에 따른 장소의 선호도를 판별하고 사용자의 과거 이력을 이용하여 사용자별 활동 영역을 선별한다. 장소의 선호도와 선별된 활동 영역에 기반하여 협업 필터링을 수행하여 POI를 추천한다.

• Journal of Digital Contents Society
• /
• v.19 no.5
• /
• pp.871-880
• /
• 2018

Recently, the technology of recommendation of POI (Point of Interest) related technology is getting attention with the increase of big data related to consumers. Previous studies on POI recommendation systems have been limited to specific data sets. The problem is that if the study is carried out with this particular dataset, it may be suitable for the particular dataset. Therefore, this study analyzes the similarity and correlation between stores using the user visit data obtained from the integrated sensor installed in Seoul and Songjeong roads. Based on the results of the analysis, we study the preference prediction system which recommends the stores that new users are interested in. As a result of the experiment, various similarity and correlation analysis were carried out to obtain a list of relevant stores and a list of stores with low relevance. In addition, we performed a comparative experiment on the preference prediction accuracy under various conditions. As a result, it was confirmed that the jacquard similarity based item collaboration filtering method has higher accuracy than other methods.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• 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.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.5-6
• /
• 2023

본 연구에서는 언텍트 소비가 일반화됨에 따라 소상공인들을 지원하기 위해 캡티브-포털을 활용하여 주문하는 등의 시스템을 구축하고 있으며, 이에 상권 내 방문자들의 주문 정보를 기반으로 개인의 선호나 취향을 고려하고 기존 방문 순서를 고려하여 다음 방문지를 추천할 수 있는 모델을 개발하고자 한다. 모델 개발을 위한 데이터셋으로는 캡티브-포털을 통해 수집되는 변수 항목과 유사한 위치기반 SNS 데이터인 Foursquare 데이터를 활용했다. 본 논문에서는 데이터셋의 변수 중 상호명을 기반으로 22개의 행동 유형 카테고리로 묶어 현재 행동 유형 이후에 다음에 이어질 행동 유형을 예측하는 것을 제안한다. 개인 별 세션 기반의 데이터셋을 LightMove 알고리즘을 활용하여 행동유형 예측을 임베딩 차원의 변경하여 실험한 결과 500차원에서 Top-5가 82.72의 성능을 보임을 확인했다. 향후 국내 상권에 맞는 방문지 추천 시스템이 개발된다면 방문지 추천을 활용하여 다양한 마케팅 전략을 수립이 가능해질 수 있고, 이를 통해 지역 상권이 활성화될 것으로 기대된다.