• 한국IT서비스학회지
• /
• 제21권2호
• /
• pp.109-126
• /
• 2022

The number and variety of products and services offered by companies have increased dramatically, providing customers with more choices to meet their needs. As a solution to this information overload problem, the provision of tailored services to individuals has become increasingly important, and the personalized recommender systems have been widely studied and used in both academia and industry. Existing recommender systems face important problems in practical applications. The most important problem is that it cannot clearly explain why it recommends these products. In recent years, some researchers have found that the explanation of recommender systems may be very useful. As a result, users are generally increasing conversion rates, satisfaction, and trust in the recommender system if it is explained why those particular items are recommended. Therefore, this study presents a methodology of providing an explanatory function of a recommender system using a review text left by a user. The basic idea is not to use all of the user's reviews, but to provide them in a summarized form using only reviews left by similar users or neighbors involved in recommending the item as an explanation when providing the recommended item to the user. To achieve this research goal, this study aims to provide a product recommendation list using user-based collaborative filtering techniques, combine reviews left by neighboring users with each product to build a model that combines text summary methods among deep learning-based natural language processing methods. Using the IMDb movie database, text reviews of all target user neighbors' movies are collected and summarized to present descriptions of recommended movies. There are several text summary methods, but this study aims to evaluate whether the review summary is well performed by training the Sequence-to-sequence+attention model, which is a representative generation summary method, and the BertSum model, which is an extraction summary model.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.196-198
• /
• 2004

최근 들어 인터넷의 급속한 발전으로 않은 사람들이 인터넷을 사용하고 있고, 인터넷을 통하여 실생활에서 행하는 일들을 편리하게 사용하고 있다. 그 중 한가지인 전자 상거래를 보면, 여러 쇼핑몰에서 검색을 통하여 사용자들이 필요로 하는 물건을 구입하고 있다. 그러나 전자 상거래 관련 산업이 발전해 가면서 많은 쇼핑몰들이 생겨났고, 사용자들은 이들 쇼핑몰들에서 원하는 상품을 구입하기 위하여 인터넷을 통한 상거래 시간 중 90%이상을 물품 검색에 사용하고 있다. 따라서 본 논문에서는 사용자가 원하는 물품을 검색하는 데 소요되는 시간을 줄이기 위하여, 쇼핑몰상의 물품과 요구사항의 유사도 측정을 통하여 적절한 물품을 추천하는 에이전트를 설계 및 구현하였다.

• 한국콘텐츠학회논문지
• /
• 제11권3호
• /
• pp.73-83
• /
• 2011

질의 응답 시스템은 사용자의 질의에 대해 다른 사용자의 응답을 저장하고 보여 주는 시스템이다. 사용자의 질의를 만족시키는 응답을 정확히 검색하고자 노력하는 많은 연구들이 있었지만 이에는 근본적인 한계가 있었다. 따라서 질의 응답 시스템에서는 보조적인 방법으로 사용자의 질의를 만족시킬 가능성이 높은 다른 질의를 추천하는 방법이 사용되고 있다. 이전 연구에서 내용적으로 포함하는 정도가 큰 질의들을 하위 질의로서 추천하는 내용 기반 추천 방법으로서 퍼지 관계 곱 연산자(fuzzy relational product operator)를 사용하는 방법이 제안되었고, 기본적인 함의 연산자로서 Kleene-Dienes 연산자가 사용되었다. 하지만 Kleene-Dienes 연산자는 설명의 의미적 포함관계를 고려한 방법이 아니기 때문에 질의응답의 의미적 포함 정도를 계산하기에 적합하지 않다. 본 논문에서는 두 질의에 대한 설명의 의미적 포함관계를 고려한 새로운 함의 연산자를 제안한다. 새로운 연산자는 어떤 질의 및 응답 들이 다른 질의와 그 응답들에 의미적으로 포함되는 정도를 계산하도록 설계되었다. 실험을 통하여 새로운 함의 연산자를 적용한 퍼지 관계곱 연산자를 사용하면 사용자가 원하는 지식을 추천할 가능성이 높아짐을 보였다.

• 한국산업정보학회논문지
• /
• 제27권6호
• /
• pp.1-12
• /
• 2022

음원 스트리밍 서비스와 Hi-Fi 시장이 성장함에 따라 다양한 음향기기들이 출시되고 있다. 이로 인해 소비자들의 제품 선택에 대한 폭은 넓어졌지만 자신의 음악적 취향과 일치하는 제품을 찾기는 더욱 어려워졌다. 본 연구에서는 사용자가 선호하는 음원으로부터 보컬 성분을 추출하고 이를 토대로 사용자에게 가장 적합한 음향기기를 추천하는 시스템을 제안하였다. 이를 위해 먼저 원본 음원을 Python의 Spleeter Library를 통해 분리하여 보컬 음원을 추출하고 제조사의 음향기기의 주파수 대역 데이터를 수집한 결과를 각각 격자 그래프로 나타내었다. 추출한 보컬 음원의 주파수 대역과 음향기기의 주파수 대역 측정치 데이터를 비교하기 위한 지표로서 Matching Gap Index(MGI)를 제안하였다. 산출된 MGI 값을 토대로 사용자 선호와의 유사도가 가장 높은 음향기기를 추천한다. 추천 결과는 음향 전문업체에서 제공하는 장르별 Equalizer 데이터를 이용하여 검증하였다.

• 지능정보연구
• /
• 제18권2호
• /
• pp.177-192
• /
• 2012

최근 추천시스템에 대한 연구는 고객에게 적합한 상품을 추천하는 것에서 진일보하여, 고객이 선호할만한 친구나 배우자를 추천해주는 인맥 연결분야로 확장되고 있다. 이러한 인맥 연결의 주요한 분야로 미혼남녀를 소개시키는 온라인 데이트시스템을 생각할 수 있다. 본 연구는 사용자에게 적합한 데이트 상대를 추천해주는 온라인 매칭시스템을 제안한다. 제안된 시스템은 기존의 상품추천 시스템과는 다르게, 추천 받는 고객뿐만 아니라, 추천 되는 상대방의 호감도를 함께 고려하여, 양자가 상호 대칭적인 만족도를 갖도록 설계하였다. 또한, 인기인에게 추천이 편중되거나, 비인기인들이 추천에서 소외되지 않고, 시스템 참여자들이 전체적으로 일관된 추천 만족도를 가질 수 있도록 하였다. 본 연구에서 제안한 매칭 시스템은 Mutually Beneficial Matching(MBM) 시스템이라 명명하였으며, 이를 다른 두 일반적인 매칭 기법인 Preference-Based Matching(PBM) 기법 및 Arithmetic Mean-Based Matching(AMM) 기법과 비교하여 성능평가를 수행하였다. 즉, 위의 세 가지 기법을 Java를 사용하여 prototype으로 구현한 후, 가상의 미혼남녀 200명의 데이터에 적용하여 비교 분석하였다. 그 결과, 제안된 MBM 기법이 PBM 및 AMM 기법에 비하여 통계적으로 유의하게 높은 상호호감도(Mutual Preference)를 보임을 알 수 있었고, 호감도의 대칭성(Symmetric Ratio)도 대부분의 경우 높게 도출됨을 확인하였다. 뿐만 아니라, 제안된 MBM 기법은 PBM 기법보다 추천에서 소외된 고객 수(Number of Outsiders)가 적어서, 매칭 pool안의 사용자들에게 전체적으로 호혜적이고 일관된 추천서비스를 제공할 수 있을 것으로 기대된다.

• 한국멀티미디어학회논문지
• /
• 제12권5호
• /
• pp.688-698
• /
• 2009

인터넷을 이용하는 패션/코디 쇼핑몰은 그 시장이 매년 큰 폭으로 증가하고 있다. 하지만 대부분의 쇼핑몰들은 아직도 카테고리에 의한 상품 분류를 제외하면 특정한 의류를 찾을 수 있는 기능이 포함되어 있지 않아 사용자들이 불편을 겪고 있다. 본 연구에서는 여성복의 패션 코디네이션 시스템 구축 시 내용 기반의 방식 중 휴리스틱 기반 방식으로 시스템을 구축하기 위해 여성복의 특성을 가장 잘 나타낼 수 있는 속성들을 상속관계로 정의하고, 상품 관리자가 속성 값을 입력할 수 있도록 하였으며 가장 유사한 의류를 추천하기위한 방법을 소개하고 분석하였다.

• 한국콘텐츠학회논문지
• /
• 제11권5호
• /
• pp.67-74
• /
• 2011

협업 추천은 전자상거래 기업들이 고객별로 개인화 된 상품추천을 하기 위하여 널리 활용하는 추천기법이다. 추천 행위는 고객들이 상품에 대해 가지고 있는 선호도를 분석하고 이를 프로필화 하는 것을 전제로 한다. 전통적인 명시적 평가법은 취급하는 상품이 매우 다양한 전자상거래 기업의 고객들에게 구매활동외에 추가적 부담을 준다는 점에서 한계를 가진다. 따라서 고객의 개입 없이 간접적으로 선호도를 파악할 수 있는 묵시적 평가법이 보다 바람직하다고 볼 수 있는데, 여기에도 추정된 선호도의 지표화에 주로 사용하는 카디널 척도가 추정 오차를 증가 시킨다는 점에서 문제점이 있다. 따라서 본 연구에서는 이러한 문제의 개선을 위해 웹 마이닝과 사전식 컨센서스 기법에 근간하여 서열 척도 기반의 고객 프로필을 생성, 활용하는 협업 추천 기법을 제안하고자 한다. 실제 온라인 쇼핑몰의 거래 데이터를 이용한 실험을 통해 제안된 기법의 우수성을 입증 하였다.

• 한국산업정보학회논문지
• /
• 제17권7호
• /
• pp.111-118
• /
• 2012

최근 기업은 시장 점유율을 높이기 위하여 고객의 다양한 요구를 반영한 제품을 지속적으로 출시하고 있다. 다양한 기능과 가격, 디자인의 제품이 시장에 출시됨에 따라 사용자는 여러 요인들을 고려하여 선택해야 하는 어려움이 있다. 특히 변화의 속도가 빠른 IT 기기의 경우에는 여러 가지 전문적인 지식까지 필요한 경우가 많아 더욱 더 선택을 어렵게 만든다. 디지털 카메라도 저변이 확대됨에 따라 다양한 종류의 카메라가 출시되고 있으며 카메라를 선택하는 소비자는 카메라의 기능과 가격, 디자인 등을 비교하기 위해 많은 시간과 노력을 투자해야 한다. 본 연구는 IT 기기에 익숙하지 않은 사용자들도 가장 적합한 기기를 추천받을 수 있도록 하기 위하여 다기준 의사결정(MCDM) 기법의 하나인 계층분석과정(AHP) 기법 및 내용기반 필터링과 협업 필터링 기법을 접목한 하이브리드 필터링 기법을 이용하여 개인화된 추천 시스템을 설계하고 구현하였다.

• 한국유기농업학회지
• /
• 제15권4호
• /
• pp.399-411
• /
• 2007

Korean organic farming has been well developed over the last two decades. It demonstrates that the number of certificated farm for organic agriculture and products have been drastically increased in recent year. However, the organic farmers have thought that organic farming rely only on organic fertilizer and they don't keep organic farming principle in which organic farmer should enhance biological activity and crop rotation. This study was to compare nutrient input, recommendation, cropping system and organic product circulation between the early $20^{th}$ century and beginning of the $21^{st}$ century. The population of Korea has increased 7.3 times more than that of a century ago but cultivated land has been decreased during 100 years. The rice production in 2002 was 4.2 times higher than that of production in 1912. The input of N, P and K in 1907 on the basis of King's suggestion was 95.6kg/ha, 15.9kg/ha and 3.0kg/ha, respectively. Nitrogen came from excreta (40%), green manure (55%) and compost (5%) in the early 20th century. On the other hand, organic farmer input organic resources such as wood chip (30.1%), compost (27.8%), rice straw (14%) and others (25%) these days. In terms of nutrient balance calculated nutrient and absorption by plants, organic rice farmer apply excessive nitrogen and phosphorus to the soil. They was used to put $7{\sim}10$ times more nitrogen than that of a century ago. Nutrient recommendation was similar in N and P between early 20th century and early $21^{st}$ century. Farmers in both century did not rotate crops in the field. Today, organic farmers engaged in more continuous cultivation than in early 20th century. Farmers in the early $20^{th}$ century produced locally, consumed locally the agricultural products, but organic farmers in the $21^{st}$ century produce the organic product in the local farmland and consumed in the large city and also a lot of foreign organic products have been imported in recent year.