• 경영정보학연구
• /
• 제23권1호
• /
• pp.155-172
• /
• 2021

최근 온라인 상품 구매의 증가로 인해 사용자의 선호에 맞는 상품을 추천해주는 시스템이 지속적으로 연구되고 있다. 추천 시스템은 사용자들에게 개인화된 상품 추천 서비스를 제공하는 시스템으로 사용자가 상품에 남긴 평점을 이용한 협업 필터링(Collaborative Filtering)이 가장 널리 쓰이는 추천 방법이다. 협업 필터링에서 상품 간의 유사도 계산은 시간이 많이 소요되는데, 특히 리뷰 데이터와 같은 빅데이터를 사용할 경우 더욱 많은 시간을 소요한다. 그래서 본 연구에서는 리뷰 데이터 마이닝을 이용하여 상품 간의 유사도 계산을 빠르게 수행할 수 있으면서 정확도를 높일 있도록 2단계(2-Phase) 방법을 이용한 하이브리드 추천시스템 방식을 제안한다. 이를 위해 온라인 전자책 상거래 상점인 아마존 킨들 스토어(Amazon Kindle Store)의 약 98만 개의 온라인 소비자 평점과 리뷰 데이터를 수집하였다. 실험 결과 본 연구에서 제안한 사용자의 평점과 리뷰를 단계적으로 반영한 하이브리드 추천 방식이 전통적인 추천 방식과 비교하여 추천 시간은 비슷하였으나 높은 정확도를 나타내는 것을 확인하였다. 따라서 제안한 방법을 사용하면 사용자가 선호하는 상품을 빠르고 정확하게 추천함으로써 고객의 만족을 높여서 기업의 매출 증대에 기여할수 있을 것으로 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제17권11호
• /
• pp.207-214
• /
• 2012

이 연구는 초등학교 사회과 학습부진 학생을 위한 최적의 사이버 가정학습 2.0 교수학습 모형을 제안하기 위해 근거이론 방법을 통해 수행하였다. 이를 위해 먼저 학습부진학생들을 대상으로 학습부진 원인을 알아보기 위한 심층면담이 이루어졌고, 면담 결과를 통해 규명된 일련의 학습부진 원인들을 공통 개념으로 범주화하였다. 그 결과 25개의 학습부진 원인을 8개의 하위범주와 4개의 상위범주로 묶을 수 있었다. 그리고 학습부진학생을 대상으로 사이버 가정학습 2.0을 활용한 수업을 적용하고, 적용 기간에 학습부진학생들이 작성한 성찰일지 및 교사와의 심층면담 내용 등을 분석하여 학습부진학생들의 학습에 대한 인식변화 과정을 분석하였다. 학습부진학생들은 사이버 가정학습 2.0에 임하면서 '사이버 가정학습 2.0 적응과정', '기초지식학습과정', '과제수행과정', '반복적인 모둠토의 과정', '되알리기와 학업성취도 평가 과정' 등 다섯 가지의 구체적인 전략을 가지고 학습에 임하고 있음을 알 수 있었다. 과정분석 결과로 나타난 구체적인 전략들을 토대로 학습부진학생들을 위한 사이버 가정학습 2.0 상황모형을 제안하였다.

• 한국융합학회논문지
• /
• 제11권8호
• /
• pp.23-31
• /
• 2020

정보 통신과 스마트폰 등의 발달로 인한 편리한 접근성과 다양한 아이템의 종류로 인해 개인 맞춤형 추천의 필요성은 점차 커지고 있다. 날씨 및 기상환경은 사용자의 장소 및 활동의 의사결정에 많은 영향을 미친다. 이러한 날씨 정보를 이용하면 추천에 대한 사용자의 만족도를 높일 수 있다. 본 논문에서는 모바일 플랫폼에서 사용자의 위치 정보에 대한 생활지수를 활용하여 성향이 유사한 사용자를 구하고 장소에 대한 선호도를 예측하여 장소를 추천함으로써 생활지수를 이용한 협업 필터링 기반 장소 추천 시스템을 제안한다. 제안된 시스템은 사용자의 날씨를 분석하고 분류하기 위한 날씨 모듈과 장소 추천을 위한 협업 필터링을 사용하는 추천 모듈, 그리고 사용자의 선호도 및 후기 관리를 위한 관리 모듈로 구성된다. 실험 결과, 제안된 시스템은 협업 필터링 알고리즘과 생활지수의 융합 및 개인의 성향을 반영하는 측면에서 유효함을 확인할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제13권4호
• /
• pp.1-7
• /
• 2013

개인화 추천 시스템은 자동화된 정보 필터링 기술을 적용하여 사용자의 취향에 맞는 상품을 추천해 주는 시스템이다. 이러한 기술 중 협력적 필터링은 비슷한 패턴을 가진 형태들을 식별해 내는 기법이다. 따라서 이를 이용하면 과거 유사한 형태를 가진 환자의 자료를 통하여 통증 강도를 유추 하거나 분류된 환자의 프로필의 유사도에 따라 관련 사정을 추출하는 것이 가능하게 된다. 유사도 가중치 추출의 대표적인 방법인 피어슨 상관계수를 사용하는 방법은 데이터의 양에 따라 표본 데이터가 적은 경우 예측 값이 부정확해지고 양이 방대한 경우 계산량이 제곱으로 늘어 신속한 결과를 추출할 수 없게 되는 단점이 있다. 본 논문에서는 MAE와 순위 스코어를 사용하여 의미있는 데이터를 추출하기 위한 표본 자료의 규모와 유사도 군집량을 비교하여 구현된 지능형 통증 간호중재 유헬스 시스템의 우수성을 확인하였다. 이를 통하여 통증환자의 고통호소를 간호사가 신속하게 파악할 수 있도록 기초자료와 가이드라인을 제공하게 되고, 따라서 환자의 안위 증진이 향상되게 된다.

• 한국ITS학회 논문지
• /
• 제10권4호
• /
• pp.24-35
• /
• 2011

최근 정부에서는 녹색성장 패러다임에 따른 대중교통 중심의 교통체계 변환을 모색하고 있으며 이에 따라 교통연계 환승 체계의 효율성 향상을 위해 대규모 복합환승센터 구축사업을 적극적으로 추진하고 있다. 그러나 현재 운영 중인 김포공항, 사당역, 광명역 등 중소규모의 환승센터 이용자들의 설문결과 밀집된 시설 및 혼재된 교통수단으로 인해 대중교통 환승에 많은 어려움을 겪고 있는 것으로 나타났다. 새로 구축될 대규모 복합환승센터의 경우 다양한 대중교통의 연계와 여러가지 상업 및 문화 시설의 복합화로 인해 이용자들에게 좀 더 명확하고 효율적인 정보제공이 필요한 것으로 지적되고 있다. 급속한 IT기술의 발달로 실내외 위치측위 및 모바일 기반 정보제공 등의 기술은 이용자들이 원하는 여러 가지 교통정보를 제공할 수 있으나 복합환승센터에서 교통수단과 연계환승시설을 통합하여 개인별 맞춤형 정보화 수준으로는 제공되지 못하고 있는 실정이다. 본 연구에서는 복합환승센터의 대규모 공간적 범위에서 이용자들에게 환승과 관련된 정보를 위치기반 시설정보, 경로안내 등과 융합하여 맞춤형으로 서비스를 제공하기 위한 통합운영시스템의 구축방안을 제안한다. 이를 위해 국내외 환승센터 이용현황과 정보제공서비스를 분석한 후 복합환승센터의 통합운영시스템 구축을 위한 서비스정의, 서브시스템 도출 및 관련 기술을 정의하고 이를 김포공항 국내선 테스트베드에 적용한 예를 제시한다.

• 사물인터넷융복합논문지
• /
• 제9권3호
• /
• pp.35-43
• /
• 2023

본 연구는 AI 기반 맞춤형 학습 시스템을 시범적으로 운영하여 대학 수업에서의 AI 기반 맞춤형 학습 시스템의 적용 가능성과 효용성을 알아보고자 하였다. 이를 위하여 C지역 소재 B대학교 1학년 재학생 중 기초수학 교과목 수업에 참여한 42명 학습자를 대상으로 AI 기반 맞춤형 학습 시스템을 적용 및 운영하였고, 학생 및 교수를 대상으로 설문 문항 조사와 인터뷰를 진행하였다. 연구 결과, AI 기반 맞춤형 학습 시스템의 활용은 학생의 학업성취도를 향상시켰다. 심층인터뷰 결과 교수자와 학습자 모두 기초 개념 학습에 있어 학습 성과 향상에 기여하는 것으로 파악되었다. 이는 AI 기반의 맞춤형 학습 시스템이 자기 주도 학습의 역량을 향상하고 개념학습을 통해 지식 강화에 효과적인 방안이 될 것임을 시사한다. 본 연구는 인공지능 기반 적응형 학습 시스템의 기초 과학 교과목 도입과 적용에 관련한 기초자료로 활용될 수 있을 것이다. 향후 AI 기반 맞춤형 학습에서 학생들에게 제공한 학습과정과 분석한 데이터를 대면수업에 연계한 효과 검증과 분석한 데이터의 활용 방안에 대한 전략 연구를 제언한다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2008년도 공동추계학술대회
• /
• pp.106-112
• /
• 2008

개인화(personalization)는 고객이 원하거나 필요로 하는 정보를 규정할 수 있고, 이에 의해 결과물을 제공하여 손쉽게 접근할 수 있도록 고객 선호도에 따라 동적으로 제공하는 방법을 의미한다. 이러한 개인화 서비스는 웹의 대중화 이후에 무선 인터넷과 휴대폰으로 대표되는 모바일 기기의 급속한 확산으로 모바일 분야에서도 점차 중요해지면서 공간분석 결과물의 서비스에도 적용 가능한 환경이 만들어지고 있으나 부동산 정보와 같이 수많은 정보와 복잡성을 가지는 분야에서 사용자 맞춤형 서비스가 가능하도록 적용된 경우는 거의 없다. 본 논문에서는 모바일 기기 사용자를 위한 공간 정보의 개인화 서비스 방법으로 사용자 프로파일(profile) 정보를 이용한 공간분석 및 비동기적 알림(notification) 서비스 방법을 제시한다. 이를 위해 개인 프로파일 정보를 이용하여 공간 분석을 수행할 수 있는 시스템을 설계함으로써 개인별 선호 정보에 따른 공간 분석이 가능한지 검증하고, 생성된 결과물이 알림 서비스를 통해 사용자의 모바일 기기로 효율적으로 전송될 수 있는지 확인하였다. 또한 사용자가 선택 가능한 조건이 다양한 부동산 정보에 적용함으로써 원하는 조건에 따른 실제적인 개인별 맞춤 서비스가 가능한 프로토타입을 구현하였다. 제안된 시스템을 이용하면 사용자 프로파일을 중심으로 공간 분석을 포함한 정보 서비스를 받을 수 있으며, 캐쉬 모듈을 이용한 보다 빠른 서비스가 가능하다.

• 인터넷정보학회논문지
• /
• 제15권5호
• /
• pp.83-93
• /
• 2014

사용자 컨텍스트에 의거하여 개인화된 서비스를 제공하는 것은 점점 중요한 이슈가 되고 있다. 따라서 많은 서비스들은 더 나은 서비스를 제공하기 위해 Context-awareness 기술을 적용하고 있다. MPEG과 W3C 등의 표준화 기구에서도 Context-awareness 서비스를 개선하기 위한 컨텍스트 표준화를 위해 노력하고 있다. 하지만 기존의 MPEG7, MPEG-21, MPEG-V, EmotionML와 같은 컨텍스트 기반 표준화들은 다양한 시스템과 서비스에 적용하기에는 적합하지 않다. 이를 극복하기 위해 MPEG-UD 표준은 사용자를 위한 추천시 관련한 컨텍스트 정보를 사용하여 추천 결과를 만들어내는 서비스들과의 상호 호환성을 고려한 컨텍스트 표준화를 목표로 한다. 본 논문에서는 MPEG-UD를 비롯한 컨텍스트 관련 표준화 연구를 소개 하고 MPEG-UD 표준을 기반으로 한 RD-Engine 구조와 사용자 인터페이스 제공 서비스 시스템을 제안한다. 제안하는 시스템은 MPEG-UD로 서술되는 사용자의 컨텍스트를 사용하며, 특정 조건에 맞는 단위리소스를 수집하고 디바이스의 특성을 반영하여 실시간으로 적응적인 사용자 인터페이스를 생성한다. 자동적으로 적응적인 개인 컨텍스트에 따른 적응적 사용자 인터페이스를 생성하는 시스템은 복합적 서비스 제공시 사용자의 UX 만족도를 높일 수 있을 것이다.

• 한국전자거래학회지
• /
• 제24권3호
• /
• pp.73-86
• /
• 2019

4차 산업 혁명이 시작되고 헬스케어 분야 역시 신기술을 접목한 새로운 비즈니스 모델을 찾기 위해 노력하고 있다. 그중 블록체인 기술은 의료 분야에서 큰 관심을 갖는 기술 중 하나이다. 여러 가지 문제들로 인하여 시장성 확보에 어려움을 겪고 있는 개인 건강 기록 시스템 분야 역시 블록체인 기술의 접목을 통해 시스템의 발전과 시장성 확보를 위한 노력을 기울이고 있다. 하지만 블록체인은 개인 건강 기록 시스템의 문제를 해결하기에는 한계가 있다. 이에 본 연구에서는 블록체인의 상위 개념인 분산 원장 기술을 기반으로 정보 주체가 개인 건강 데이터에 대한 온전한 소유권을 확보할 수 있는 개인 주도적 건강 데이터 관리 프레임워크를 설계하였다. 프레임워크의 설계를 위해 컨소시엄 블록체인 중 하나인 R3 Corda의 구조를 참고하였으며, 개인 사용자의 모바일 장치에 노드를 운용할 수 있도록 기존 블록체인과 다른 네트워크 구조를 설계하였다. 이를 통해 정보주체가 직접 자신의 정보를 저장 및 관리하고 허가된 네트워크 구성원들에게 정보를 공유할 수 있도록 하였다. 제안된 시스템을 통해 의료 산업의 정보 활용도를 향상시키고 국민 건강 증진과 의료 기술의 발전을 이룰 수 있을 것이다.

• 경영정보학연구
• /
• 제25권1호
• /
• pp.111-128
• /
• 2023

인공지능(AI) 기술이 발전함에 따라 빅데이터 기반의 상품 선호도 추정 개인화 추천시스템에 관심이 증가하고 있는 추세이다. 하지만 개인화 추천이 적합하지 않은 경우 고객의 구매 의사를 감소시키고 심지어 금융상품의 특성상 막대한 재무적 손실로 확대될 수 있는 위험을 가지고 있다. 따라서 고객의 특성과 상품 선호도를 포괄적으로 반영한 추천시스템을 개발하는 것이 비즈니스 성과 창출과 컴플라이언스 이슈 대응에 매우 중요하다. 특히 금융상품의 경우 개인의 투자성향과 리스크 회피도에 따라 고객의 상품 선호도가 구분되므로 축적된 고객 행동 데이터를 활용하여 맞춤형 추천서비스를 제안하는 것이 필요하다. 이러한 고객의 행동 특성과 거래 내역 데이터를 사용하는 것뿐만 아니라, 고객의 인구통계정보, 자산정보, 종목 보유 정보를 포함하여 추천 시스템의 콜드 스타트 문제를 해결하고자 한다. 따라서, 본 연구는 고객의 거래 로그 기록을 바탕으로 고객의 투자성향과 같은 특성 정보와 거래 내역 및 금융상품 정보를 통해 고객별 금융상품 잠재 선호도를 도출하여 딥러닝 기반의 협업 필터링을 제안한 모형이 가장 성능 우수한 것을 확인하였다. 본 연구는 고객의 금융 투자 메커니즘을 기반으로 금융상품 거래 데이터를 통해 미거래 금융상품에 대한 예상 선호를 도출하는 추천 모델을 구축하여, 선호가 높을 것으로 예상되는 상위 상품군을 추천하는 서비스를 개발하는 것에 의의가 있다.