• 한국전자통신학회논문지
• /
• 제18권6호
• /
• pp.1363-1370
• /
• 2023

전세계적으로 노인의 인구가 증가하고 있어서, 현대의 가장 큰 관심은 고령화 사회의 건강한 노후 생활이나 노인 복지 및 의료 시설에 관한 것이다. 그러나 노인은 노화에 따라 인지 기능이 저하되는 경우가 많으며, 인지 활동은 노인에게 중요한 활동이다. 이에 본 연구에서는 메타버스를 활용한 고령자 대상 인지 활동 지원 시스템을 개발하였다. 이를 위해 노인의 특성과 니즈를 분석하여 메타버스에서 노인이 쉽게 이용할 수 있는 인터페이스를 설계했다. 또한, 인지 활동의 종류와 난이도를 조정하여 노인들이 흥미롭게 인지 활동에 참여할 수 있도록 시스템을 구현하였다. 실험 결과, 제안한 시스템은 노인의 인지 능력을 향상시키는 효과가 있는 것으로 나타났다. 따라서 본 연구에서 제안한 개인화된 메타버스 기반의 인지 활동 지원 시스템은 노인의 인지 능력 향상을 위한 유용한 도구로 활용될 수 있다.

• 한국멀티미디어학회논문지
• /
• 제19권2호
• /
• pp.325-333
• /
• 2016

The development of smart technology has brought the conversion of closed traditional e-learning contents into open flexible smart learning contents consisting of learner-centered modules, without the constraints of time and space by use of smart devices from the uniformed and passive classroom between teachers and learners. It has been demanded an open, personalized and customized teaching and learning contents of smart education and training systems according to wide supply of various smart devices. In this paper, we discuss about the status of the smart teaching and learning systems and analyze the characteristics and structure of the web contents for smart education and training systems by use of smart devices. And we propose a method how to block web contents, to extract them, and adapt personalized segments of web contents by adaptive algorithm into smart learning devices. We extract blocks from the web contents based on the smart device information and the preference information of the learners from existing web contents without the hassle of learners environment. After specifying a block priority from the extracted web contents by the adaptive segment algorithm, it can be displayed directly to the screen to fit the individual learning progress of the learners.

• 한국콘텐츠학회논문지
• /
• 제8권3호
• /
• pp.1-7
• /
• 2008

유비쿼터스 컴퓨팅의 발달로 인하여 다양하고 폭넓은 정보가 디지털 형태로 빠르게 생산 및 배포되고 있다. 사용자가 이러한 정보과잉 속에서 자신이 원하는 정보를 단시간 내에 검색하는 것은 그리 쉬운 일이 아니다. 본 논문에서는 이미지 기반 필터링을 이용한 개인화 아이템 추천 기법을 제안한다. 피상적인 내용분석이라는 단점을 개선하기 위하여 사용자가 관심을 가지는 이미지 데이터로부터 특징을 추출하는 이미지 기반 필터링을 사용하였다. 제안한 방법에 대해 MovieLens 데이터에서 내용 기반 필터링과 협력적 필터링과의 비교 실험을 통해 성능을 평가하였다. 실험 결과, 제안한 방법이 기존의 다른 방법보다 우수함을 확인하였다.

• 정보관리학회지
• /
• 제23권2호
• /
• pp.167-183
• /
• 2006

본 연구는 이메일에 나타난 감성정보 메타데이터 추출에 있어 자연언어처리에 기반한 방식을 적용하였다. 투자분석가와 고객 사이에 주고받은 이메일을 통하여 개인화 정보를 추출하였다. 개인화란 이용자에게 개인적으로 의미 있는 방식으로 콘텐츠를 제공함으로써 온라인 상에서 관계를 생성하고, 성장시키고, 지속시키는 것을 의미한다. 전자상거래나 온라인 상의 비즈니스 경우, 본 연구는 대량의 정보에서 개인에게 의미 있는 정보를 선별하여 개인화 서비스에 활용할 수 있도록, 이메일이나 토론게시판 게시물, 채팅기록 등의 텍스트를 자연언어처리 기법에 의하여 자동적으로 메타데이터를 추출할 수 있는 시스템을 구현하였다. 구현된 시스템은 온라인 비즈니스와 같이 커뮤니케이션이 중요하고, 상호 교환되는 메시지의 의도나 상대방의 감정을 파악하는 것이 중요한 경우에 그러한 감성정보 관련 메타데이터를 자동으로 추출하는 시도를 했다는 점에서 연구의 가치를 찾을 수 있다.

• ETRI Journal
• /
• 제35권6호
• /
• pp.1105-1114
• /
• 2013

Owing to the large number of video programs available, a method for accessing preferred videos efficiently through personalized video summaries and clips is needed. The automatic recognition of user states when viewing a video is essential for extracting meaningful video segments. Although there have been many studies on emotion recognition using various user responses, electroencephalogram (EEG)-based research on preference recognition of videos is at its very early stages. This paper proposes classification models based on linear and nonlinear classifiers using EEG features of band power (BP) values and asymmetry scores for four preference classes. As a result, the quadratic-discriminant-analysis-based model using BP features achieves a classification accuracy of 97.39% (${\pm}0.73%$), and the models based on the other nonlinear classifiers using the BP features achieve an accuracy of over 96%, which is superior to that of previous work only for binary preference classification. The result proves that the proposed approach is sufficient for employment in personalized video segmentation with high accuracy and classification power.

• Journal of Information Technology Applications and Management
• /
• 제21권1호
• /
• pp.85-105
• /
• 2014

Exhibition industry is important business domains to many countries. Not only lots of countries designated the exhibition industry as tools to stimulate national economics, but also many companies offer millions of service or products to customers. Recommender systems can help visitors navigate through large information spaces of various booths. However, no study before has proposed a methodology for identifying and acquiring prospective visitors although it is important to acquire them. Accordingly, we propose a methodology for identifying, acquiring prospective visitors, and recommending the adequate booth information to their preferences in the exhibition industry. We assume that a visitor will be interested in an exhibition within same class of exhibition taxonomy as exhibition which the visitor already saw. Moreover, we use user-based collaborative filtering in order to recommend personalized booths before exhibition. A prototype recommender system is implemented to evaluate the proposed methodology. Our experiments show that the proposed methodology is better than the item-based CF and have an effect on the choice of exhibition or exhibit booth through automation of word-of-mouth communication.

• 한국멀티미디어학회논문지
• /
• 제21권3호
• /
• pp.369-381
• /
• 2018

Nowadays a personalization algorithm is gaining huge attention. It gives users selective information which is helpful and interesting in a deluge of information based on their past behavior on the internet. However there is also a fatal side effect that the user can only get restricted information on restricted topics selected by the algorithm. Basically, the personalization algorithm makes users have a narrower perspective and even stronger bias because users have less chances to get views of opponent. Eli Pariser called this problem the 'filter bubble' in his book. It is important to understand exactly what a filter bubble is to solve the problem. Therefore, this paper shows how much Google's personalized search algorithm influences search result through an experiment with deep neural networks acting like users. At the beginning of the experiment, two Google accounts are newly created, not to be influenced by the Google's personalized search algorithm. Then the two pure accounts get politically biased by two methods. We periodically calculate the numerical score depending on the character of links and it shows how biased the account is. In conclusion, this paper shows the formation process of filter bubble by a personalization algorithm through the experiment.

• BMB Reports
• /
• 제44권12호
• /
• pp.765-771
• /
• 2011

Cancer treatment has been stratified by companion biomarker tests that serve to provide information on the genetic status of cancer patients and to identify patients who can be expected to respond to a given treatment. This stratification guarantees better efficiency and safety during treatment. Cancer patients, however, marginally benefit from the current companion biomarker-aided treatment regimens, presumably because companion biomarker tests are dependent solely on the mutation status of several genes status quo. In the true sense of the term, "personalized medicine", cancer patients are deemed to be identified individually by their molecular signatures, which are not necessarily confined to genetic mutations. Glycosylation is tremendously dynamic and shows alterations in cancer. Evidence is accumulating that aberrant glycosylation contributes to the development and progression of cancer, holding the promise for use of glycosylation status as a companion biomarker in cancer treatment. There are, however, several challenges derived from the lack of a reliable detection system for aberrant glycosylation, and a limited library of aberrant glycosylation. The challenges should be addressed if glycosylation status is to be used as a companion biomarker in cancer treatment and contribute to the fulfillment of personalized medicine.

• 한국지능시스템학회논문지
• /
• 제15권7호
• /
• pp.805-812
• /
• 2005

본 논문은 스마트 홈과 같이 다양한 센서 및 제어 네트워크가 밀집되어 있는 유비쿼터스 환경 하에서 복잡한 인터페이스의 사용에 대한 사용자의 인지 부담(cognitive load)을 줄이고, 개인화된(personalized) 서비스를 자율적으로 제공하기 위한 새로운 사용자 행동 패턴 선호도 학습기법을 제안하였다. 이를 위해 지식 발견(knowledge discovery)을 위한 평생 학습(life-long learning)의 관점에서 퍼지귀납(fuzzy inductive) 학습 방법론을 제안하며, 이것은 수치 데이터로부터 입력 공간에 대한 효율적인 퍼지 분할(fuzzy partition)을 얻어내고 일관성 있는(consistent) 퍼지 상관 롤(fuzzy association rule)을 얻어내도록 한다.

• 지능정보연구
• /
• 제9권3호
• /
• pp.177-191
• /
• 2003

상품추천시스템은 고객들에게 추천 상품 리스트를 만들어 고객들이 구매 가능성이 있는 상품을 쉽게 찾도록 도와주는 개인화 된 정보필터링 기술이다 협업 필터링(collaborative filtering)이 가장 성공적인 상품추천 기법으로 알려져 있으며 많이 이용되고 있다. 그러나, 인터넷 쇼핑몰에서 관리하는 상품과 고객의 수가 급속히 증가하면서 협업필터링에 기반 한 상품추천 시스템은 입력데이터의 희박성(Sparsity) 문제와 시스템 확장성(Scalability) 문제가 노출되고 있다. 따라서 본 연구에서는 협업필터링 기반 상품추천시스템의 상품추천 효과 및 성능을 개선하기 위해 웹 마이닝과 군집분석 기법에 기반을 둔 개인별 상품추천 방법론을 개발한다. 또한 실제 인터넷 쇼핑몰에서 개인별로 상품을 추천할 때 개발된 상품추천 방법론을 적용하여 다른 기존 상품추천 방법론과 실험적으로 비교함으로써 개발 방법론의 효과 및 성능을 검증한다.