• 디지털산업정보학회논문지
• /
• 제6권3호
• /
• pp.19-29
• /
• 2010

A marketing model is changed from a customer acquisition to customer retention and it is being moved to a way that enhances the quality of customer interaction to add value to our customers. Such personalization is emerging from this background. The Web site is accelerate the adoption of a personalization, and in contrast to the rapid growth of data, quantitative analytical experience is required. For the automated analysis of large amounts of data and the results must be passed in real time of personalization has been interested in technical problems. A recommendation algorithm is an algorithm for the implementation of personalization, which predict whether the customer preferences and purchasing using the database with new customers interested or likely to purchase. As recommended number of users increases, the algorithm increases recommendation time is the problem. In this paper, to solve this problem, a recommendation system based on clustering and dimensionality reduction is proposed. First, clusters customers with such an orientation, then shrink the dimensions of the relationship between customers to low dimensional space. Because finding neighbors for recommendations is performed at low dimensional space, the computation time is greatly reduced.

• 한국콘텐츠학회논문지
• /
• 제17권11호
• /
• pp.183-191
• /
• 2017

본 연구는 과학 학술정보 서비스 플랫폼 이용자의 정보 검색 편의성을 확보하고 적합한 정보의 획득에 소요되는 시간을 절약하기 위하여, 운영 중인 서비스 메뉴와 각 서비스 별 콘텐츠 정보를 제공하는 알고리즘 중 콘텐츠 추천 알고리즘을 최적화하고 그 결과를 비교평가 하는 것이다. 추천 정확도를 높이기 위해 이용자의 '전공' 항목을 기존 알고리즘에 추가하였으며, 기존 알고리즘과 최적화된 알고리즘을 통한 추천 결과의 성능평가를 수행하였다. 성능평가 결과 최적화된 알고리즘을 통해 이용자에게 제공되는 콘텐츠의 적합도가 21.2% 증가함을 파악하였다. 이용자에게 적합한 콘텐츠를 시스템에서 자동 도출하여 각 서비스 메뉴 별로 제공함으로써 정보 획득 시간을 단축하고, 연구정보로서 가치 있는 연구결과물의 생명주기를 연장할 수 있는 방안이라는 데 본 연구의 의의가 있다.

• 한국문헌정보학회지
• /
• 제39권3호
• /
• pp.75-91
• /
• 2005

인터넷의 발전과 성장은 웹상에서의 정보의 량에 있어서 폭발적인 성장을 가져 왔다. 이러한 웹상에서의 정보량의 증가는 정보이용자의 요구와 필요에 맞는 정보 제공을 위한 서비스로서 웹기반의 개인화서비스에 대한 요구를 더욱 더 강조하게 되었다. 개인화서비스는 정보이용자의 요구와 필요에 의해 현실화 될 수 있으며 이러한 정보이용자의 관심사와 정보요구는 지속적으로 또한 급격하게 변화되고 있다. 웹상의 수많은 정보로부터 정보이용자의 요구와 필요를 만족 시킬 수 있기 위하여 본 논고에서는 이용자의 관심과 요구를 표현하기 위하여 이용자 프로파일 정보를 이용하였으며 이러한 이용자의 프로파일 정보는 이용자의 요구와 흥미에 대한 변화를 반영하기 위하여 지속적으로 갱신하였다. 본고에서는 정보이용자의 정보요구와 흥미의 변화를 지속적으로 이용자프로파일에 반영하기 위한 방안으로서 학습알고리즘을 제안하였다. 정보이용자의 정보에 대한 피드백을 기반으로 이용자의 정보에 대한 흥미와 요구는 본 고에서 제안한 학습알고리즘을 통하여 지속적으로 갱신 되므로서 정보이용자에게 보다 정확한 정보를 제공할 수 있다고 할 수 있다. 이러한 학습알고리즘은 보다 개선된 하이브리드 정보추천시스템에 적용하였다.

• 한국산업정보학회논문지
• /
• 제28권2호
• /
• pp.31-45
• /
• 2023

본 연구는 유튜브 이용자의 사용 시간이 양적으로 증대하면서 나타나는 질적 단계와 경로에 주목하였다. 그리고 심리학과 신경과학의 이론을 적용하여 추천시스템의 개인화 알고리즘과 적극이용의 구간을 세분화하였고, 이론연구와 실증연구를 병행하였다. 이론연구에서 심리학과 신경과학의 관점으로 포그의 행동모델(FBM), 가변적 보상, 도파민 중독을 적용하였다. 포그의 행동모델(FBM)은 연관 콘텐츠 제시 기능인 개인화 추천 알고리즘이 트리거(계기)로서 쉬운 클릭을 유발하고, 가변적 보상은 검색하는 콘텐츠에 대한 예측불가능성으로 동기부여의 효과성을 높이며, 도파민 중독은 도파민 신경을 자극하면 지속적 적극적으로 콘텐츠를 소비하게 하는 것으로 요약된다. 본 연구는 개인화 추천 알고리즘과 적극이용 구간에서 콘텐츠의 이용 목적을 심리적 측면에서 처음이용, 재이용, 지속이용, 적극이용의 4단계로 구분하고, 경로를 분석하였다는 점에서 학문적 실무적 기여를 할 것으로 기대한다.

• 한국IT서비스학회지
• /
• 제6권2호
• /
• pp.113-123
• /
• 2007

In ubiquitous computing environment such as ubiquitous marketplace (u-market), there is a need of providing context-based personalization service while considering the nomadic user preference and corresponding requirements. To do so, the recommendation systems should deal with the tremendous amount of context data. Hence, the purpose of this paper is to propose a novel recommendation method which provides the products-group list of the customers in u-market based on the shopping intention and preferences. We have developed FREPIRS(FREquent Purchased Item-sets Recommendation Service), which makes recommendation listof product-group, not individual product. Collaborative filtering and apriori algorithm are adopted in FREPIRS to build product-group.

• 디지털콘텐츠학회 논문지
• /
• 제19권4호
• /
• pp.701-709
• /
• 2018

이 논문은 개인별 개인화 서비스 활용 로그를 추적조사 하여 개인별로 얼마나 많이 추천된 서비스를 사용하였는지 분석하고, 개인화가 적용된 시스템의 서비스 활용도에 영향을 주는 요인이 개인화 서비스 알고리즘외 다른 요인이 있는지 분석하였다. 또한, 분석 내용을 기반으로 단순히 많이 이용하는 서비스 및 콘텐츠를 추천하는 방법에 따른 사용자 이용패턴 분석을 통해 인센티브를 부여하였을 때의 행동변화에 따른 추천방법을 제안한다.

• 융합보안논문지
• /
• 제8권4호
• /
• pp.167-179
• /
• 2008

유비쿼터스 기술이 발달하면서 모바일 기기를 통해 다양한 콘텐츠를 사용자에게 적합한 정보만을 제공하기 위한 연구가 활발하게 진행되고 있다. 그러나 모바일 기기의 작은 사용자 인터페이스로 인해 정보제공에 한계가 있다. 본 논문에서는 이런 문제점을 해결하고 모바일 환경에 적합한 지능형 에이전트 모델과, 각 개인 사용자들이 관심 있는 일자리 정보를 능동적으로 제공할 수 있는 시스템을 제안한다. 사용자 행동패턴을 감시하는 Personalization Engine과, 모바일 기기에 정보제공을 위한 Learning Algorithm으로 구성되었다. 조사를 통해 성별, 나이, 학력에 따라 선호하는 직업 항목이 다른 것을 알았으며, 지역은 직업을 검색 할 때 많은 영향을 주는 것으로 나타났다.

• 한국비블리아학회지
• /
• 제28권4호
• /
• pp.501-518
• /
• 2017

연구자들에게 지식을 습득하여 연구 활동에 도입하는데 걸리는 소요시간을 단축하는 것은 연구생산성 향상에 필수적인 요소라고 할 수 있다. 본 연구의 목적은 한민족과학기술자네트워크(KOSEN) 사용자들의 정보 이용 패턴을 군집화하고 그룹화 된 사용자들에게 맞는 개인화 추천서비스 알고리즘의 최적화 방안을 제안하는 것이다. 사용자들의 연구활동과 이용정보에 기반하여 적합한 서비스와 콘텐츠를 식별한 후 Spark 기반의 빅데이터 분석 기술을 적용하여 개인화 추천 알고리즘을 도출하였다. 개인화 추천 알고리즘은 사용자의 정보검색에 소요되는 시간을 절약하고 적합한 정보를 찾아내는데 도움을 줄 수 있다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2003년도 춘계학술대회
• /
• pp.416-425
• /
• 2003

Recommender systems are a personalized information filtering technology to help customers find the products they would like to purchase. Collaborative filtering (CF) has been known to be the most successful recommendation technology. However its widespread use in e-commerce has exposed two research issues, sparsity and scalability. In this paper, we propose several hybrid recommender procedures based on web usage mining, clustering techniques and collaborative filtering to address these issues. Experimental evaluation of suggested procedures on real e-commerce data shows interesting relation between characteristics of procedures and diverse situations.

• 정보관리학회지
• /
• 제24권2호
• /
• pp.89-104
• /
• 2007

본 연구는 대용량 음악콘텐츠환경에서 개인화 추천 서비스를 위한 기반구조의 제공을 위하여 시도되었다. 추천서비스를 위한 기존의 많은 연구와 상용프로그램에도 불구하고 대규모의 쇼핑몰들은 개인화 추천서비스와 실시간으로 대용량의 데이터를 처리할 수 있는 추천시스템을 필요로 하고 있다. 이를 위하여 본 연구에서는 데이터마이닝 기술과 새로운 패턴매칭 알고리즘을 제안하고 있다. 콘텐츠 주제분야에 대한 이용자의 선호도를 이용한 이용자 분할을 위하여 군집화 기법이 사용되었다. 다음으로는 군집화를 통하여 생성된 분할된 이용자 그룹에서 개별 이용자의 콘텐츠에 대한 접근 패턴의 추출을 위하여 순차패턴 마이닝기법을 적용하였다. 최종적으로 각각의 이용자 군집의 콘텐츠 접근 패턴과 콘텐츠 선호도에 기반한 제안된 추천 알고리즘에 의해 추천이 이루어진다. 이러한 추천을 위하여 기반 구조와 함께, 전처리과정과 원본 데이터의 형식변환이 데이터베이스에서 수행되어진다. 본 연구에서 제안하고 있는 기반구조의 적절성을 보여주기 위하여 제안된 시스템을 구현하였다. 실제 이용자에 의해 이용된 데이터를 실험에 적용하였으며, 해당 실험에서 추천은 실시간으로 이루어졌으며 추천결과에 있어서는 적절한 정확성을 보여주고 있다.