• 한국지능시스템학회논문지
• /
• 제16권2호
• /
• pp.185-190
• /
• 2006

유비쿼터스 컴퓨팅에서 대부분의 시스템들이 개인화된 추천을 위하여 사용자와 성향이 비슷한 사람들의 컨텍스트 정보를 분석하는데 인구통계학적 방법이나 협력적 필터링을 주로 사용한다. 서비스 추천 시스템들은 컨텍스트 정보 중에서 성별, 나이, 직업, 구매이력 등의 정적 컨텍스트를 주로 사용하고 있다. 그러나 이러한 시스템은 이동경로 같은 사용자의 상황을 고려하기가 어렵기 때문에 개인의 성향을 정확하게 분석하여 실시간으로 개인화된 추천 서비스를 제공하는데 한계가 있다. 본 논문에서는 사용자의 상황을 고려하기 위해 동적 컨텍스트 중에서 사용자의 이동경로를 이용한다. 이동경로의 예측 정확도를 높이기 위해 RSOM의 입력으로 들어가는 이동경로를 경로보정 알고리즘을 사용하여 보정한다. 그리고 보정된 경로를 RSOM으로 학습시켜 사용자의 이동패턴을 분석하고 향후 이동경로를 예측한 후, 사용자의 선호도가 높은 상품들 중에서 예측 경로 상에 있는 가장 가까운 상품을 실시간으로 추천한다. 제안한 방법의 예측 정확도를 측정한 결과 MAE가 평균 0.5 이하로 측정됨으로써 사용자의 이동경로를 올바르게 예측할 수 있음을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제17권4호
• /
• pp.488-493
• /
• 2007

추천 시스템은 일반적으로 서비스를 추천하기 위해 협력적 필터링 단계에서 실시간으로 얻어진 컨텍스트 정보를 정량화하여 사용하고 있다. 하지만 이러한 추천시스템은 컨텍스트 정보의 부족으로 부정확한 추천 결과를 가져오거나, 정량화 단계의 단순한 분류과정으로 인해 사용자를 부정확한 그룹으로 분류하는 문제점이 발생한다. 본 논문에서는 실시간으로 획득되는 컨텍스트 정보 부족 문제를 내용 기반 필터링에서 사용하는 사용자 프로파일 정보와 실시간으로 획득된 컨텍스트 정보를 결합하여 해결하였다. 그리고 정량화 단계의 분류 과정을 절대적인 방법이 아니라 상대적인 방법으로 개선하여 협력적 필터링하였다. 실험 결과, pure P2P 환경에서 컨텍스트 정보를 이용한 실시간 추천 시스템보다 예측 선호도가 5.8% 향상되었다.

• 지능정보연구
• /
• 제14권1호
• /
• pp.101-115
• /
• 2008

일반적으로 혼합 추천 시스템(hybrid recommender system)이란 협업적 여과 방법(collaborative filtering)을 다른 기술들과 결합하여 사용하여 사용자가 원하는 정보를 손쉽게 찾을 수 있도록 도와주는 시스템이다. 협업적 여과 방법과 결합된 혼합 시스템은 대체로 내용이 유사한 아이템들이 추천 되어 전반적인 아이템 추천 성능 및 새로이 추가된 아이템에 대한 추천의 질이 떨어지는 문제가 있다. 이러한 문제를 해결하기 위해, 본 논문에서는 다양성(diversity)을 고려한 새로운 혼합 추천 시스템을 제안한다. 제안된 시스템에서는 첫 번째 단계로 협업적 여과 방법으로부터 추천된 아이템들 간의 비유사도를 측정한다. 두 번째 단계로는 첫 번째 단계에선 추천된 비유사도가 높은 아이템들을 내용 기반의 여과 방법(content-based filtering)에 적용하여 새로운 아이템에 대한 추천 성능을 향상 시킨다. 제안된 방법의 성능 평가를 위해 movielens 데이터를 이용하여 기존의 내용기반 추천 시스템 및 단순 혼합 시스템과 비교 평가하였다. 실험 결과 제안된 방법이 내용기반 추천 시스템 및 단순 혼합시스템보다 높은 추천 성능을 보였다.

• 경영정보학연구
• /
• 제19권2호
• /
• pp.71-94
• /
• 2017

추천 시스템은 정보 과부하를 줄여 선택의 질을 높이는 기술로 다양한 분야에서 활용되고 있다. 기존의 추천 시스템 연구는 주로 영화나 음악과 같은 단순한 콘텐츠 추천을 대상으로 했으며, 추천 수량과 기존에 경험했던 상품의 재 추천이 고려되지 않았다. 하지만 다양한 분야에서 추천 시스템의 수요가 증가함에 따라 추천 수량과 재 추천을 고려한 보다 범용적이고 확장된 추천 시스템 개발이 필요한 시점이다. 또 기존 추천 시스템은 온라인 상에서 개별 고객을 대상으로 하는 경우가 많았는데, 오프라인 상에서 개별 고객이 아닌 매장에도 추천 시스템을 적용할 수 있다. 본 연구에서는 추천 시스템 분야에서 많이 활용되는 사용자 기반 협업 필터링 알고리즘에서 추천 수량과 재 추천을 고려하는 방법을 제안하고, 이를 오프라인 의류 매장의 재고 관리 문제에 적용함으로써 다양한 분야에 추천 시스템을 활용할 수 있음을 보인다. 제안한 방법을 통해 각 매장에 수요가 높을 것으로 예측되는 상품과 예상 판매 수량을 예측하여, 해당 상품을 진열할 것을 추천하며, 이는 MAE, Precision, Recall, F1 measure 관점에서 기준 모델보다 추천 성능이 더 뛰어나다. 또 성능을 평가하기에 적합한, 추천 수량 부족과 초과에 따른 페널티를 고려하는 새로운 Quantity Precision, Quantity Recall, Quantity F₁ measure 계산 방식을 제안한다. 마지막으로 참신성 관점에서 제안한 방법의 신규 매출 창출 효과를 평가한다. 본 연구는 추천 수량과 재 추천을 고려했다는 점, 온라인이 아닌 오프라인 데이터를 사용했다는 점, 개별 고객이 아닌 매장을 추천 대상으로 했다는 점에서 기존 추천 시스템 연구와는 차별되는 의의를 가진다. 나아가 본 연구에서 제안한 방법론은 재고 관리 이외에도 추천 수량과 재 추천을 고려하는 다양한 분야에 적용될 수 있는 범용성을 가진다.

• Journal of Information Processing Systems
• /
• 제17권2호
• /
• pp.369-384
• /
• 2021

In a personalized product recommendation system, when the amount of log data is large or sparse, the accuracy of model recommendation will be greatly affected. To solve this problem, a personalized product recommendation method using deep factorization machine (DeepFM) to analyze user behavior is proposed. Firstly, the K-means clustering algorithm is used to cluster the original log data from the perspective of similarity to reduce the data dimension. Then, through the DeepFM parameter sharing strategy, the relationship between low- and high-order feature combinations is learned from log data, and the click rate prediction model is constructed. Finally, based on the predicted click-through rate, products are recommended to users in sequence and fed back. The area under the curve (AUC) and Logloss of the proposed method are 0.8834 and 0.0253, respectively, on the Criteo dataset, and 0.7836 and 0.0348 on the KDD2012 Cup dataset, respectively. Compared with other newer recommendation methods, the proposed method can achieve better recommendation effect.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권11호
• /
• pp.5344-5356
• /
• 2018

Nowadays with the help of Location-Based Social Networks (LBSNs), users of Point-of-Interest (POI) recommendation service in LBSNs are able to publish their geo-tagged information and physical locations in the form of sign-ups and share their experiences with friends on POI, which can help users to explore new areas and discover new points-of-interest, and promote advertisers to push mobile ads to target users. POI recommendation service in LBSNs is attracting more and more attention from all over the world. Due to the sparsity of users' activity history data set and the aggregation characteristics of sign-in area, conventional recommendation algorithms usually suffer from low accuracy. To address this problem, this paper proposes a new recommendation algorithm based on a novel Preference-Content-Region Model (PCRM). In this new algorithm, three kinds of information, that is, user's preferences, content of the Point-of-Interest and region of the user's activity are considered, helping users obtain ideal recommendation service everywhere. We demonstrate that our algorithm is more effective than existing algorithms through extensive experiments based on an open Eventbrite data set.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권10호
• /
• pp.3419-3437
• /
• 2022

Anonymization technology is an important technology for privacy protection in the process of data release. Usually, before publishing data, the data publisher needs to use anonymization technology to anonymize the original data, and then publish the anonymized data. However, for data publishers who do not have or have less anonymized technical knowledge background, how to configure appropriate parameters for data with different characteristics has become a more difficult problem. In response to this problem, this paper adds a historical configuration scheme resource pool on the basis of the traditional anonymization process, and configuration parameters can be automatically recommended through the historical configuration scheme resource pool. On this basis, a privacy model hybrid recommendation algorithm for user satisfaction is formed. The algorithm includes a forward recommendation process and a reverse recommendation process, which can respectively perform data anonymization processing for users with different anonymization technical knowledge backgrounds. The privacy model hybrid recommendation algorithm for user satisfaction described in this paper is suitable for a wider population, providing a simpler, more efficient and automated solution for data anonymization, reducing data processing time and improving the quality of anonymized data, which enhances data protection capabilities.

• 한국ITS학회 논문지
• /
• 제10권3호
• /
• pp.95-100
• /
• 2011

정보통신 기술의 급속한 성장 및 발전에 따라 유비쿼터스 네트워크 컴퓨팅 및 이용자 맞춤 서비스에 대한 관심이 증폭되고 있다. 또한 최근 스마트폰(Smartphone)을 매개체로 모바일 관련 기술들이 급속도로 발전하며 큰 각광을 받고 있다. 이러한 환경 및 인프라의 발전에 따라 최근 모바일에서 각 종 정보 및 서비스를 제공하는 다양한 응용소프트웨어들이 출시되고 있는 추세이나 그 대부분이 공급자 위주의 정보시스템으로 단순히 다량의 정보들을 불특정 다수의 이용자들에게 제공하는데 목적을 두고 있으며 이용자 개개인에 대한 맞춤화 혹은 개인화된 정보 및 서비스의 제공은 거의 이루어지지 않고 있다. 이에 따라 본 연구에서는 모바일환경에서 개인화 및 맞춤화를 위한 추천시스템을 설계 및 구현 한다. 각 종 정보필터링 기법의 장점만을 결합한 하이브리드 필터링(Hybrid Filtering)을 이용하여 추천 시스템을 구성하며 추천의 질을 향상시키기 위해 정보 필터링 단계에 앞서 사용자의 목적행위, 위치의 상황정보(Context-information)를 이용하여 추천대상 아이템의 범위를 결정함으로써 이용자 상황에 따른 효과적인 정보의 추천을 가능하도록 한다.

• 정보처리학회논문지B
• /
• 제8B권6호
• /
• pp.625-632
• /
• 2001

전자상점에서 이루어지는 고객의 구매패턴이 온라인 상에서 데이터베이스화되어, 이를 통하여 고객의 취향에 맞는 상품을 제공할 수 있는 많은 알고리즘이 연구되고 있다. 이러한 알고리즘은 전자상점에서 고객의 개별특성을 고려한 상품을 제공하기 위하여, 고객정보 데이터베이스와 거래정보 데이터베이스로부터 연관규칙 등을 추출하여 사용한다. 그러나 시간의 흐름에 민감한 계절상품이나 특선상품과 같이 전자상점의 거래량에 크게 직결될 수 있는 상품에도 기존의 시간을 고려하지 않은 알고리즘을 적용한다면 추천성공률이 떨어질 것이다. 따라서 본 논문에서는 시간의 영향을 많이 받는 상품추천을 위하여, 최근 전자상점 추천시스템으로 효과적인 아이템 기반 협력알고리즘에 지수적 가중치를 적용한 협력적 여과추천(EWCFR) 알고리즘을 제안한다. 또한 이러한 추천시스템이 대용량의 고객데이터와 상품데이터에 대한 연산을 수행하고 다수의 고객에게 실시간으로 서비스를 제공하여야 하므로, XML기반의 MMDB를 활용한 전자상거래 시스템과 알고리즘을 제안한다.

• 한국전자거래학회지
• /
• 제24권3호
• /
• pp.129-142
• /
• 2019

블록체인기술에 대한 관심은 지속적으로 증가되고 많은 분야에 활용되고 있다. 블록체인기술은 타인이 함부로 데이터와 거래를 제어할 수 없게 하는 분산 환경을 제공한다. 모바일앱 추천은 모바일 사용자에게 적당한 앱을 추천하는데 사용된다. 예를 들어, 사용자의 선호도 및 모바일 환경에 따라 서로 다른 모바일앱을 추천하는 복수의 안드로이드기반 추천앱이 개발되어왔다. 앱 추천은 사용자가 다른 사용자의 경험을 참조하여 앱을 발견하는 데 도움을 준다. 수집된 많은 양의 데이터 및 사용자 정보는 외부 공격에 대한 취약성과 사용자 개인 정보 보호 문제를 내포한다. 이 문제를 해결하는 방법으로 암호화 안전을 보장하는 블록체인 기술을 적용할 수 있다. 본 서베이 논문에서는 모바일앱 추천 기술과 전자상거래 기술 동향을 살펴본다. 개인화된 앱 추천에 대한 사용자의 개인 정보 선호 중요성 측면에서, 블록체인기술과 협업필터링 기술의 접목이 사용자에게 안전한 데이터 환경을 제공할 수 있는지도 살펴본다.