• 한국도서관정보학회지
• /
• 제43권3호
• /
• pp.353-384
• /
• 2012

본 연구는 최근에 이슈가 되고 있는 필터버블 문제와 프라이버시 침해 문제가 이용자맞춤형서비스를 제공하는 도서관과 무관하지 않다는 인식에서 수행되었다. 본 연구에서는 최첨단기술을 활용하는 위치기반서비스, 상황인식서비스, 책추천서비스, RFID기반서비스, 클라우드서비스가 어떤 측면에서 개인정보침해 및 프라이버시 침해가능성이 있는지를 고찰하였다. 또한 특정 서비스 이용을 위해 개인정보를 제공한 이용자는 개인정보를 포기한 것으로 보아야 하는지, 국내 도서관에서 도서관 이용자의 프라이버시 문제가 논의된 적이 있는지, 필터버블 문제가 도서관 이용자에게 줄 수 있는 위험성과 해결책은 무엇인지에 대해서도 간단히 논의하였다. 본 연구는 도서관 프라이버시에 대한 초기단계의 연구로서 향후 국내 프라이버시 연구의 기초자료로 활용될 수 있기를 바란다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.1160-1163
• /
• 2021

DOOH(Degital Out of Home) advertisement market is developing steadily, and the case of use is also increasing, In advertisement market, personalized services is actively being provided with technological development. On the other hand, personalized services are difficult to be provided in DOOH and are p rovided by only personal information, not feelings. This study aims to construct personalized DOOH se rvices by using AI facial expression recognition and suggesting a solution optimized for interaction bet ween user and services by providing healing and advertisement.

• International Journal of Fuzzy Logic and Intelligent Systems
• /
• 제12권4호
• /
• pp.270-276
• /
• 2012

With the increase in amount of data and information available on the web, there have been high demands on personalized information retrieval services to provide context-aware services for the web users. This paper proposes a novel dynamic multi-agent context-awareness user profile construction method based on ontology to incorporate concepts and properties to model the user profile. This method comprehensively considers the frequency and the specific of the concept in one document and its corresponding domain ontology to construct the user profile, based on which, a fuzzy c-means clustering method is adopted to cluster the user's interest domain, and a dynamic update policy is adopted to continuously consider the change of the users' interest. The simulation result shows that along with the gradual perfection of the our user profile, our proposed system is better than traditional semantic based retrieval system in terms of the Recall Ratio and Precision Ratio.

• 전자공학회논문지CI
• /
• 제47권6호
• /
• pp.131-138
• /
• 2010

유비쿼터스 환경이 발전함에 따라 다양한 서비스들이 고객 중심의 서비스로 제공되고 있다. 기존에는 개인 프로파일을 기반으로 한 개인화 서비스의 연구가 진행되어 왔으나 사용자의 선호도를 파악하여 각 사용자에 대한 맞춤형 서비스를 지원하기 위해서는 상당한 데이터와 시간이 필요하다. 이러한 문제점을 해결하기 위하여 본 논문에서는 개인 프로파일을 통한 맞춤형 서비스가 아닌 사용자의 감정을 분석하여 그에 맞는 서비스를 제공하는 시스템을 제안한다. 제안하는 시스템에서는 사용자의 감정을 분석하기 위하여 영상 분석과 음성 분석의 두 가지 방식을 사용한다. 이러한 감정 분석 방법을 이용함으로써 제안된 시스템이 홈 네트워크 환경에서 사용자 맞춤 서비스를 효과적으로 제공할 수 있도록 구현하였다.

• 경영정보학연구
• /
• 제23권3호
• /
• pp.51-75
• /
• 2021

세계적인 전자상거래 기업들은 지속 가능한 경쟁력을 확보하기 위해 사용자 맞춤형 추천 서비스를 제공하고 있다. 기존 관련 연구에서는 주로 평점, 구매 여부 등 정량적 선호도 정보를 사용하여 개인화 추천 서비스를 제공하였다. 하지만 이와 같은 정량적 선호도 정보를 사용하여 개인화 추천 서비스를 제공하면 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 호텔을 이용한 사용자가 호텔 서비스, 청결 상태 등에 대하여 만족하지 못한다고 리뷰를 작성하였으나 선호도 평점 5점을 부여했을 때 정량적 선호도(평점)와 정성적 선호도(리뷰)가 불일치한 문제가 발생할 수 있다. 따라서 본 연구에서는 정량적 선호도 정보와 정성적 선호도 정보가 일치하는지를 확인하고 이를 바탕으로 선호도 정보가 일치하는 사용자를 바탕으로 새로운 프로파일을 구축하여 개인화 추천 서비스를 제공하고자 한다. 리뷰에서 정성적 선호도를 추출하기 위해 자연어 처리 관련 연구에서 널리 사용되고 있는 CNN, LSTM, CNN + LSTM 등 딥러닝 기법을 사용하여 감성분석 모델을 구축하였다. 이를 통해 사용자가 작성한 리뷰에서 정성적 선호도 정보를 정교하게 추출하여 정량적 선호도 정보와 비교하였다. 본 연구에서 제안한 추천 방법론의 성능을 평가하기 위해 세계 최대 여행 플랫폼 TripAdvisor에서 실제 호텔을 이용한 사용자 선호도 정보를 수집하여 사용하였다. 실험 결과 본 연구에서 제안한 추천 방법론이 기존의 정량적 선호도만을 고려하는 추천 방법론보다 우수한 추천 성능을 나타냄을 확인할 수 있었다.

• 한국콘텐츠학회논문지
• /
• 제10권6호
• /
• pp.18-26
• /
• 2010

사용자 선호에 따라 적합한 정보를 제공해 주는 개인화서비스에 대한 많은 연구와 개발이 진행되어왔다. 특히 푸시서비스는 사용자의 적극적인 요구가 없더라도 사용자가 관심 있어 할만한 정보를 제공함으로써 사용자의 잠재요구를 충족시켜준다는 측면에서 경제적 효과가 클 것으로 예상되고 있다. 본 논문에서는 이러한 푸시서비스의 성능을 향상시키기 위한 방법으로 시맨틱웹 기반 푸시서비스 기법을 제안한다. 제안방법은 서비스의 콘텐츠 정보와 사용자의 선호정보를 각 서비스의 특성을 반영하는 서비스 온톨로지 상에서 기술되어지도록 함으로써, 의미적 연관성을 기반으로 콘텐츠를 추천할 수 있는 기반구조를 제공한다. 또한 시맨틱웹 기반 푸시서비스 시스템은 제안방법에 의해 기술된 정보를 기반으로 사용자에게 적합한 콘텐츠를 추천하는 기능을 제공한다. 제안방법은 기존 연구들에 비해 콘텐츠 정보 및 사용자 선호정보를 기술함에 있어 풍부한 표현이 가능하고, 의미적인 상호운용성을 제공한다는 장점이 있다.

• 한국문헌정보학회지
• /
• 제43권3호
• /
• pp.163-180
• /
• 2009

본 논문은 사용자가 검색에 사용한 질의어를 기반으로 개인의 성향정보를 분석하고자 한다. 이를 위하여 사용자가 검색을 하기 위해서 입력한 질의어를 문서분류기를 이용하여 범주를 부여한다. 본 연구에서는 각 레코드에 미리 부여된 DDC 분류코드를 분류정보로 활용하였다. 이러한 방식을 사용하여 사용자의 질의어를 기반으로 개인의 특징을 분석한다. 분석된 개인의 성향정보를 검색 결과에 반영하고 개인의 의도에 맞는 문서를 재순위화시키는 개인화 검색시스템을 개발하였다. 또한 개인의 성향정보를 이용하여 단어의 중의성 문제를 해결할 수 있었다. 본 논문에서는 한국과학기술정보연구원이 운영 중인 과학기술학회마을 데이터베이스를 이용하여 개인화와 단어중의성 해소에 관한 실험을 수행하였다. 실험과 사용자 평가를 통해서 개인화 검색 및 단어중의성 해소 성능을 제시하였다.

• 한국컴퓨터산업학회논문지
• /
• 제2권8호
• /
• pp.1109-1116
• /
• 2001

본 논문에서는 사용자의 행동과 웹상에서 지능형 에이전트를 활용하여 계층적 아키텍처 아래 수행되는 행동을 모니터링 하는데 관점을 두며, 개인화 된 정보 서비스를 쉽게 개발할 수 있는 메커니즘을 제시하고자 한다. 지능형 에이전트는 모니터링 기법을 포함하여, 사용자의 행동을 기록, 프로파일에 기반 한 행동 분석, 사용자의 브라우저나 혹은 메일에 지능적 에이전트에 의해 전달되는 맞춤화 된 컨텐츠의 선택 및 구성 등과 같은 일련의 과정을 포함한 개인화 된 서비스를 제공하는 자동화된 프로세스 기법 중의 하나이다. 모니터링 기술은 개인화 된 지능적 서비스를 제공하는 프로세스를 구성하는데 활용될 수 있다. 결국, 효과적인 개인화 된 서비스의 수행은 다양한 고객의 관심 및 니즈를 정의하고 정확하게 알아내며 고객이 수행한 행동들을 기록하는 것에 달려있다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제13권1호
• /
• pp.11-23
• /
• 2007

본 논문에서는 사용자에게 개인화된 서비스를 제공하기 위해 제안된 프로파일들의 효율적인 운영을 위한 웹 서비스 기반의 프레임워크를 설계 및 구현한다. 프로파일들은 사용자에게 개인화된 서비스를 제공하기 위해 사용자 관련 정보들로 구성되어야 하며 사용자 디바이스, 프로파일 저장소, 서비스 서버간에 주기적.비주기적 또는 이벤트에 따라 교환이 가능해야한다. 또한 프로파일들은 개인화된 서비스를 위해 프로파일을 필요로 하는 서비스 업체들에게 제공되어야 한다. 프로파일들이 개인화된 서비스에서 효율적으로 운영되기 위해서는 이와 같은 기능들을 제공하는 프로파일 프레임워크가 필요하다. 제안된 프로파일 프레임워크는 다양한 디바이스와 플랫폼에 관계없이 프로파일 교환 및 제공을 위해 웹 서비스를 사용하였다. 또한 프로파일의 효율적인 운영을 위해 메타데이타 구성 방법과 동적 구성 방법 등의 기술들을 프레임워크에 적용하였다. 제안된 프레임워크를 이용하여 실험 시스템을 구축하고, 이를 이용하여 실험한 결과 플랫폼 및 디바이스에 관계없이 프로파일 교환 및 제공이 가능하였으며, 프로파일 처리 및 관리에 효율적이었다. 제안된 프레임워크를 이용하여 구현된 시스템은 효율적인 프로파일 운영 기능을 통하여 사용자에게 개인화된 서비스 제공의 기반을 마련해 주었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.